<![CDATA[Kinerja akademik siswa didasarkan pada berbagai faktor seperti variabel pribadi, sosial, psikologis, dan lingkungan lainnya. Banyaknya jumlah data yang dimiliki oleh pihak universitas mengenai mahasiswa lulusan mereka dapat membantu dalam proses pengambilan keputusan ke jenjang pendidikan yang lebih tinggi. Data akademik mahasiswa dapat diolah untuk membantu pengambilan keputusan dalam penentuan masuk ke jenjang perguruan tinggi selanjutnya. Untuk melakukan proses pengolahan data tersebut di butuhkan metode data mining yaitu klasifikasi. Aspek yang dilihat yaitu dari sisi accuracy, precision dan recall. Software yang digunakan untuk mengetahui kinerja dari algoritma tersebut adalah Rapid Miner Studio versi 9.2. Hasil pengujian menunjukkan bahwa algoritma K-NN dengan menggunakan independent test memiliki accuracy terbaik yaitu sebesar 96.25%, precision 98.08%, dan recall 70.00%. Sedangkan pada test yang menggunakan cross-validation, algoritma K-NN juga memiliki accuracy terbaik yaitu sebesar 91.88%, precision 81.29, dan recall 61.15%.Kata kunci: Prediksi, Kelulusan Mahasiswa, K-NN]]>
Copyrights © 2021
