<![CDATA[Penentuan mahasiswa berprestasi di perguruan tinggi masih banyak dilakukan secara manual dengan fokus utama pada aspek akademik, sehingga berpotensi menimbulkan subjektivitas dan ketidakefisienan. Permasalahan ini mendorong perlunya pendekatan berbasis data yang mampu mengintegrasikan aspek akademik dan non-akademik secara objektif. Penelitian ini bertujuan untuk membangun model klasifikasi mahasiswa berprestasi menggunakan algoritma Fuzzy K-Nearest Neighbors (F-KNN) berdasarkan riwayat akademik dan aktivitas organisasi. Data penelitian berasal dari 112 mahasiswa Universitas Muhammadiyah Makassar yang mencakup data akademik, prestasi, dan keaktifan organisasi. Metode penelitian meliputi pra-pemrosesan data, feature engineering, pembobotan fitur, penerapan algoritma F-KNN, serta evaluasi model menggunakan confusion matrix dan 5-fold cross validation. Hasil pengujian menunjukkan bahwa model F-KNN dengan parameter k = 5 dan m = 2.0 mampu mencapai akurasi 91,3%, precision 81,82%, recall 100%, dan F1-score 90%. Hasil ini menunjukkan bahwa F-KNN efektif dalam mengidentifikasi mahasiswa berprestasi secara akurat dan stabil. Implikasi penelitian ini adalah tersedianya sistem pendukung keputusan yang objektif dan efisien untuk membantu perguruan tinggi dalam proses seleksi mahasiswa berprestasi.]]>
Copyrights © 2026
