Technologia: Jurnal Ilmiah
Vol 14, No 1 (2023): Technologia (Januari)

KLASIFIKASI TINGKAT KOMPETENSI MAHASISWA UNISKA MENGGUNAKAN KOMBINASI ALGORITMA K-NEAREST NEIGHBORS (KNN) DAN MANHATTAN DISTANCE

Andie Andie (Universitas Islam Kalimantan Muhammad Arsyad Al Banjari Banjarmasin)
Hasanuddin Hasanuddin (Universitas Islam Kalimantan MAB Banjarmasin)



Article Info

Publish Date
14 Jan 2023

Abstract

Kompetensi adalah kemampuan kerja setiap individu yang mencakup aspek pengetahuan, keterampilan, dan sikap kerja yang sesuai dengan standardisasi yang diharapkan. Pada dunia kerja, kompetensi dibutuhkan untuk mengetahui tipe pekerjaan seperti apa yang tepat bagi seseorang. Apabila kompetensi atas diri seorang karyawan telah diketahui maka perusahaan pun mampu membantu untuk mengembangkan pribadi melalui training atau pelatihan tertentu. Dataset pada penelitian ini diambil dari mahasiswa uniska yang akan mempersiapkan diri ke dunia kerja . Salah satu cara untuk mengklasifikasi tingkat kompetesi mahasiswa dalam machine learning yaitu menggunakan dataset sebagai data latih agar dapat dilakukan pengujian performa dengan metode klasifikasi yang tepat. Metode yang digunakan dalam penelitian ini yaitu algoritma K-Nearest Neighbor (KNN), dimana merupakan sebuah metode untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Dari hasil pengujian yang telah dilakuan dapat disimpulkan bahwa penerapan metode K-NN dengan Manhattan Distance diperoleh hasil akurasi tertinggi dengan nilai sebesar 94%, dengan k=5. Persentase tersebut menunjukkan bahwa Manhattan Distance bekerja dengan baik dalam memberikan rekomendasi untuk klasifikasi kompetensi mahasiswa.

Copyrights © 2023






Journal Info

Abbrev

JIT

Publisher

Subject

Computer Science & IT

Description

Technologia: Jurnal Ilmiah adalah wadah informasi, hasil penelitian, dan tulisan terkait bidang Teknik Informatika dan Sistem Informasi yang dikelola oleh Fakultas Teknologi Informasi Universitas Islam Kalimantan Muhammad Arsyad Al Banjari. Frekuensi terbitan pada jurnal ini 4 kali dalam setahun ...