<![CDATA[Dalam melakukan penelitian dan penulisan skripsi, tentunya memerlukan referensi dari sumber yang sesuai dan relevan. Pada konteks Program Studi Sistem Informasi UINSU Medan, klasifikasi judul tugas akhir mahasiswa merupakan salah satu aspek yang memerlukan perhatian khusus. Judul tugas akhir alumni disatukan dalam direktori yang sama pada situs resmi Program Studi Sistem Informasi. Maka dari itu, algoritma K-Nearest Neighbor (KNN) diterapkan dalam mengklasifikasikan judul-judul tugas akhir tersebut. Data yang diklasifikasikan pada penelitian ini berjumlah 996 judul tugas akhir mahasiswa angkatan 2015-2021. Model KNN bertujuan untuk mengklasifikasikan judul tugas akhir ke dalam bidang Software Development dan Digital Enterprise dengan bahasa pemrograman Pyhton dan tools Google Colab. Pelabelan dilakukan setelah preprocessing teks pada judul tugas akhir yang mencakup proses cleaning, case folding atau lowercasing, filtering atau stopword removal, dan stemming. Diperoleh sebanyak 636 judul berlabel Software Development, sementara 360 judul berlabel Digital Enterprise. Pengujian dilakukan dengan rasio pembagian data 80:20 dan variasi nilai k 3, 5, 7, dan 9. Hasil penelitian menunjukkan bahwa model KNN dengan nilai k=5 memberikan akurasi terbaik, yaitu sebesar 80,50%, precision 80,22%, recall 80,50%, dan f1-score 79,67% walaupun terdapat ketidakseimbangan jumlah data antar kelas. Dengan demikian, algoritma KNN terbukti efektif dalam klasifikasi judul tugas akhir dan nilai k=5 merupakan parameter optimal.]]>
Copyrights © 2025
