Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Techno
Fiqriany Karepesina
Universitas Ahmad Dahlan
Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Industrial & Manufacturing Engineering

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

Found 1 Documents
Search

 1 
Penerapan Data Mining Untuk Penentuan Penerima Beasiswa Dengan Metode K-Nearest Neighbor (K-NN) Fiqriany Karepesina; lisna zahrotun
Techno (Jurnal Fakultas Teknik, Universitas Muhammadiyah Purwokerto) Vol 24, No 1 (2023): Techno Volume 24 NO.1 April 2023
Publisher : Universitas Muhammadiyah Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30595/techno.v24i1.9084

Abstract

Dalam beberapa instansi pengelolaan beasiswa masih menggunakan microsoft excel dan pemilihan penerima beasiswa masih menggunakan seleksi administrasis ecara manual. Salah satu pengolahan data dalam jumlah yang besar adalah data mining.  Oleh karena itu penelitian ini bertujuan untuk  menerapkan data mining dengan metode k-nearest neighbor (K-NN) untuk penentuan penerima beasiswa. Metode pengumpulan data dengan metode data private, studi literatur, dan wawancara. Tahapan data mining yaitu cleaning, selection, transformation, knowledge deiscovery, pattern evaluation, knowledge presentation. Pengujian sistem yaitu dengan menggunakan confusion matrix untuk mengetahui nilai akurasi. Hasil dari penelitian ini adalah klasifikasi untuk menentukan penerima beasiswa menggunakan metode k-nearest neighbor dimana hasil pengujian dengan confusion matrix dan kurva ROC (Receiver Operation Characteristic) di peroleh hasil akurasi terbaik sebesar 77% dengan nilai AUC (Area Under Curve) 0,90 dari jumlah data training 115, data testing 555 dan nilai K adalah 4. Karena nilai AUC berada diantara rentang 0.80 – 0.90, maka metode tersebut termasuk dalam kategori good classification (sangat baik).
Co-Authors Lisna Zahrotun