Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Journal of Electrical Engineering and Computer (JEECOM)
Permatasari, Uky Oktavia Risti
Unknown Affiliation
Control & Systems Engineering Electrical & Electronics Engineering Energy

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

Found 1 Documents
Search

 1 
Prediksi Kelayakan Mahasiswa sebagai Penerima Beasiswa Bank Indonesia pada Tahap Seleksi Administrasi di Universitas Nurul Jadid Menggunakan Algoritma K Nearest Neighbor Permatasari, Uky Oktavia Risti; Shudiq, Wali Ja'far; Jasri, Moh
Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 1 (2024)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v6i1.8425

Abstract

Beasiswa ialah jenis bantuan keuangan yang diberikan kepada mahasiswa untuk membantu mereka membayar biaya pendidikan. Tahap seleksi administrasi merupakan langkah awal dalam menilai kelayakan mahasiswa. Proses seleksi administrasi jika dilakukan secara manual dapat memakan waktu dan sumber daya, serta keputusan manual dapat rentan terhadap subjektivitas, dan perbedaan penilaian antar panitia seleksi. Oleh karena itu dibutuhkan Prediksi yang akurat untuk dapat mengoptimalkan penggunaan sumber daya, mengetahui faktor utama dan faktor pendukung untuk membantu pihak terkait dalam menentukan kelayakan mahasiswa untuk dinyatakan lolos seleksi administrasi secara lebih mendalam. Tujuan penelitian ini ialah meminimalkan adanya pengaruh keputusan yang bersifat subjektivitas serta meminimalisir adanya human erorr. Penelitian ini mengusulkan Prediksi Kelayakan Mahasiswa Algoritma K Nearest Neighbor (KNN). Perhitungan jarak yang digunakan dalam penelitian ini ialah Euclidean distance yang dimana digunakan untuk mengukur seberapa mirip data yang akan di prediksi dan data latih yang ada. Implementasi algoritma ini menggunakan python di google colab. Dataset yang digunakan dalam penelitian ini ialah sebanyak 350 record data, dengan membagi 75% sebagai data training, dan 25% sebagai data testing. Hasil dari penelitian ini menunjukkan bahwa Algoritma K Nearest Neighbor (KNN) mampu menjadi model prediksi kelayakan yang baik, ditunjukkan dengan nilai akurasi sebesar 93%.   
Co-Authors Jasri, Moh Shudiq, Wali Ja'far