<![CDATA[Pembayaran Uang Kuliah Tunggal (UKT) merupakan kewajiban mahasiswa yang sangat berpengaruh dalam mendukung kelancaran aktivitas akademik dan stabilitas keuangan di perguruan tinggi. Namun, pada kenyataannya masih terdapat mahasiswa yang mengalami keterlambatan yang dapat dipengaruhi oleh berbagai faktor serta kondisi tertentu. Permasalahan ini menjadi dorongan dalam melakukan analisis berbasis data untuk mengidentifikasi pola keterlambatan secara sistematis. Penelitian ini bertujuan untuk menganalisis progres akademik mahasiswa sebagai indikator keterlambatan pembayaran menggunakan algoritma K-Nearest Neighbor (K-NN). Metode yang digunakan adalah pendekatan kuantitatif dengan teknik klasisfikasi data mining berdasarkan data historis mahasiswa di Universitas Buana Perjuangan Karawang. Dataset yang digunakan berjumlah 4.558 mahasiswa yang terdiri dari angkatan 2021 dan 2022 dengan atribut angkatan, periode semester, dan IPK terakhir. Data diproses melalui tahapan preprocessing, pembentukan label keterlambatan berdasarkan progres semester, pembagian data latih dan data uji, pemodelan algoritma KNN, serta evaluasi model menggunakan confusion matrix dan matrix precision, recall, serta F1-score dengan nilai parameter K = 7. Hasil penelitian menunjukan model bahwa model menghasilkan tingkat akurasi sebesar 52,19%, yang menunjukkan bahwa kemampuan klasifikasi masih berada di tingkat sedang. Meskipun demikian, model ini mampu memberikan gambaran awal mengenai pola keterlambatan pembayaran, sehingga dapat dimanfaatkan sebagai dasar dalam pengembangan sistem pendukung keputusan.]]>
Copyrights © 2026
