Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Computer System and Informatics (JoSYC)
Reski Mai Candra
Universitas Islam Negri Sultan Syarif Kasim Riau, Pekanbaru
Computer Science & IT Decision Sciences, Operations Research & Management Industrial & Manufacturing Engineering

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

Found 1 Documents
Search

 1 
Implementasi Algoritma K-Nearest Neighbor Untuk Menentukan Klasifikasi Kelulusan Mahasiswa Teknik Informatika Suswantia Andriani; Alwis Nazir; Reski Mai Candra; Fadhilah Syafria; Iis Afrianty
Journal of Computer System and Informatics (JoSYC) Vol 4 No 4 (2023): August 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v4i4.3914

Abstract

Kinerja sebuah universitas dapat dinilai semakin baik jika terdapat peningkatan jumlah mahasiswa yang berhasil menyelesaikan masa studinya tepat waktu. Perguruan tinggi harus meningkatkan kualitas akademik mahasiswa dalam proses perkuliahan untuk hasil yang optimal. Namun kenyataannya banyak keterlambatan kelulusan mahasiswa pada Universitas Islam Negri Sultan Syaif Kasim Riau terkhusus jurusan Teknik Informatika ini yang menjadi permasalahan. Oleh karena itu dibutuhkannya sebuah analisa mengklasifikasi data kelulusan mahasiswa dengan memanfaatkan proses data mining. Penelitian ini menerapkan algoritma K-Nearest Neighbor (K-NN) pada proses klasifikasi. Tujuan penelitian ini adalah hasil dari klasifikasi kelulusan ini diharapkan dapat memberikan kontribusi bagi pihak fakultas teknik dan universitas dalam melakukan evaluasi dan perbaikan terhadap sistem pembelajaran, sehingga menghasilkan lulusan tepat waktu dan berkualitas. Data yang digunakan pada penelitian ini sebanyak 613 data 5 tahun terakhir dari tahun 2016 hingga 2020 dengan pembagian data dengan rasio 80 data untuk pelatihan (training) dan 20 data untuk pengujian (testing). Hasil evaluasi confusion matrix dari K = 3, K = 5, K = 7 menghasilkan akurasi tertinggi diperoleh ketika K = 3 dengan akurasi 93,06%, presisi 99,09%, dan recall 99,58%. Dari hasil penelitian, dapat ditarik kesimpulan bahwa penerapan data mining berhasil menciptakan model klasifikasi dengan memanfaatkan algoritma K-Nearest Neighbor (K-NN) dalam mengklasifikasikan status kelulusan mahasiswa pada program sudi Teknik Informatika di Universitas Islam Negeri Sultan Syarif Kasim Riau
Co-Authors Alwis Nazir Fadhilah Syafria Iis Afrianty Suswantia Andriani