Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Journal of Computer System and Informatics (JoSYC)

Penerapan Algoritma K-Means Clustering untuk Mengetahui Pola Penerima Beasiswa Bank Indonesia (BI) Qurrata A'yuni; Alwis Nazir; Lestari Handayani; Iis Afrianty
Journal of Computer System and Informatics (JoSYC) Vol 4 No 3 (2023): May 2023
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v4i3.3343

Abstract

Bank Indonesia Scholarships are a type of scholarship sourced from Bank Indonesia for students from selected State Universities, Private Universities, and Polytechnics. From the data on scholarship recipients who have passed the selection from 2020, 2021, 2022 universities in Riau, it is necessary to look for the behavior patterns of scholarship recipien because Bank Indonesia does not yet have a pattern. To find the pattem from scholarship recipients using the method of data mining with K-Means Clustering algorithm. The parameters used are 4, namely study program, semester, GPA, and level. The results of the study using RapidMiner showed that cluster 0 was dominated by students from the Commerce Shipping Management study program, who were in semester 5 and D3 level. Cluster 1 is dominated by students from the Accounting and Management study program, in semester 7, with GPA greater than or equal to 3.51, and S1 level. Cluster 2 is dominated by students from the Nursing study program, in semester 5, with GPA greater than or equal to 3.51, and D3 level. Cluster 3 is dominated by students from the International Relations study program, in semester 7, with GPA greater than or equal to 3.51, and S1 level. Cluster 4 is dominated by students from the Informatics Engineering study program, in semester 5, with GPA greater than or equal to 3.51, and S1 level. It show that the recipients of Bank Indonesia scholarships are dominated by students with high GPA scores or equal to 3.51. In addition, it is also dominated by students who are at the S1 level. Tests were carried out using DBI with k=5 resulting in a validity value of 0.121.
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