Yuyun Nabilawati Rumbia
Unknown Affiliation

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

Found 1 Documents
Search

Perbandingan Metode KNN dan Naive Bayes untuk Klasifikasi Kelulusan Mahasiswa Pada Mata Kuliah Probstat Yuyun Nabilawati Rumbia; Raihanfitri Adi Kalipaksi; Alvito Gabbriel Saputra; Muhammad Dzacky; Alif Rifa’i; Septiarini, Anindita; Puspitasari, Novianti
JURNAL PTI (PENDIDIKAN DAN TEKNOLOGI INFORMASI) FAKULTAS KEGURUAN ILMU PENDIDIKAN UNIVERSITA PUTRA INDONESIA "YPTK" PADANG Vol. 12 (2025) No.1
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/jpti.v12i1.228

Abstract

Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma klasifikasi data mining, yaitu K-Nearest Neighbor (KNN) dan Naive Bayes, dalam mengklasifikasikan kelulusan mahasiswa pada mata kuliah Probabilitas dan Statistika angkatan 2022 Program Studi Informatika Universitas Mulawarman. Dataset yang digunakan merupakan data asli yang diberikan oleh dosen pengampu probas, terdiri atas 136 entri yang dibagi dengan rasio 70:30 menggunakan library Scikit-learn. Penelitian ini secara khusus menguji performa klasifikasi pada data numerik mentah tanpa melalui proses normalisasi. Metode KNN dan Naive Bayes dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score untuk mengukur tingkat keakuratan dalam memprediksi kelulusan mahasiswa. Hasil evaluasi menunjukkan bahwa KNN memiliki performa yang lebih unggul dibandingkan Naive Bayes dalam seluruh metrik pengujian. KNN memperoleh akurasi sebesar 94,87%, sementara Naive Bayes hanya mencapai 87,80%, sehingga dapat disimpulkan bahwa KNN lebih efektif dalam menangani klasifikasi pada data numerik yang tidak dinormalisasi.