Hasanuddin Hasanuddin
Universitas Islam Kalimantan MAB Banjarmasin

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

KLASIFIKASI TINGKAT KOMPETENSI MAHASISWA UNISKA MENGGUNAKAN KOMBINASI ALGORITMA K-NEAREST NEIGHBORS (KNN) DAN MANHATTAN DISTANCE Andie Andie; Hasanuddin Hasanuddin
Technologia : Jurnal Ilmiah Vol 14, No 1 (2023): Technologia (Januari)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v14i1.8001

Abstract

Kompetensi adalah kemampuan kerja setiap individu yang mencakup aspek pengetahuan, keterampilan, dan sikap kerja yang sesuai dengan standardisasi yang diharapkan. Pada dunia kerja, kompetensi dibutuhkan untuk mengetahui tipe pekerjaan seperti apa yang tepat bagi seseorang. Apabila kompetensi atas diri seorang karyawan telah diketahui maka perusahaan pun mampu membantu untuk mengembangkan pribadi melalui training atau pelatihan tertentu. Dataset pada penelitian ini diambil dari mahasiswa uniska yang akan mempersiapkan diri ke dunia kerja . Salah satu cara untuk mengklasifikasi tingkat kompetesi mahasiswa dalam machine learning yaitu menggunakan dataset sebagai data latih agar dapat dilakukan pengujian performa dengan metode klasifikasi yang tepat. Metode yang digunakan dalam penelitian ini yaitu algoritma K-Nearest Neighbor (KNN), dimana merupakan sebuah metode untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Dari hasil pengujian yang telah dilakuan dapat disimpulkan bahwa penerapan metode K-NN dengan Manhattan Distance diperoleh hasil akurasi tertinggi dengan nilai sebesar 94%, dengan k=5. Persentase tersebut menunjukkan bahwa Manhattan Distance bekerja dengan baik dalam memberikan rekomendasi untuk klasifikasi kompetensi mahasiswa.