<![CDATA[Penelitian ini bertujuan untuk memprediksi UKT yang akan dibayarkan oleh calon mahasiswa khususnya program studi S1 Sistem Informasi FMIPA Universitas Riau dengan menggunakan metode K-Nearest Neighbor (K-NN). Kriteria yang digunakan yaitu penghasilan kotor, penanggung uang kuliah, jumlah tanggungan yang tercantum dalam kartu keluaga, status tempat tinggal, keadaan dinding tempat tinggal, keadaan atap tempat tinggal, total luas kepemilikan lahan dan biaya pemakaian listrik sebulan. Adapun kelompok UKTnya adalah UKT1, UKT2, UKT3, UKT4, UKT5 dan UKT6. Data yang digunakan adalah mahasiswa S1 FMIPA Universitas Riau tahun angkatan 2016, 2017, dan 2018. Perbandingan untuk data latih dan data uji adalah 90% : 10%. Tingkat keakuratan dari klasifikasi yang didapat sebesar 84,21%.Kata-kata kunci: Klasifikasi, K-Nearest Neighbor, UKT]]>
Copyrights © 2020
