Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

All

Progresif: Jurnal Ilmiah Komputer

progresif
Website

Published by Sekolah Tinggi Manajemen Informatika dan Komputer Banjarbaru

ISSN : 02163284 EISSN : 26850877 DOI : -

Core Subject : Science, Engineering,

Computer Science & IT Control & Systems Engineering

Progresif: Jurnal Ilmiah Komputer adalah Jurnal Ilmiah bidang Komputer yang diterbitkan secara periodik dua nomor dalam satu tahun, yaitu pada bulan Februari dan Agustus. Redaksi Progresif: Jurnal Ilmiah Komputer menerima Artikel hasil penelitian atau atau artikel konseptual bidang Komputer.

Arjuna Subject : -

Articles 13 Documents

1 2

Search results for , issue "Vol 18, No 2: Agustus 2022" : 13 Documents clear

Komparasi Algoritme K-Nearest Neighbors Dan Support Vector Machines Dalam Prediksi Layanan Produk ICONNET I Wayan Ady Purnawibawa; I Nyoman Purnama; I Nyoman Yudi Anggara Wijaya
Progresif: Jurnal Ilmiah Komputer Vol 18, No 2: Agustus 2022
Publisher : STMIK Banjarbaru

Prediction of customer needs is needed to help ICON+ management provide maximum and quality ICONNET services to customers, and is useful for company management in planning related products offered, as well as providing input to management regarding products that are in great demand by customers. This study implements and compares the K-Nearest Neighbor (K-NN) and Support Vector Machine (SVM) algorithms in predicting the service Iconnet products that are most in demand by customers, so as to facilitate ICON+ management in planning customer service provision, and preparing market strategies in the future. future. A total of 3,206 datasets (consisting of 2,565 training data and 641 testing data) ICONNET service enthusiasts for 1 year that have been cleaned, were tested on both algorithms, based on parameters Bandwidth, Request_Date, Status, customer address, and service fee. Algorithm performance accuracy was tested using Cross Validation, Confusion Matrix and ROC curve methods. The results of the accuracy test show that the performance of the K-NN algorithm is more accurate than the SVM algorithm in various test categories.Keywords: Data Mining; Customer interest; Performance Accuracy; Cross Validation; Confusion Matrix Abstrak. Prediksi kebutuhan pelanggan diperlukan untuk membantu manajemen ICON+ menyediakan layanan ICONNET secara maksimal dan berkualitas kepada pelanggan, serta berguna bagi jajaran manajemen perusahaan dalam melakukan perencanaan terkait produk yang ditawarkan, serta memberi masukan pada pihak manajemen mengenai produk yang banyak diminati oleh pelanggan. Penelitian ini mengimplementasikan dan membandingkan algoritme K-Nearest Neighbor (K-NN) dan Support Vector Machine (SVM) dalam memprediksi layanan produk Iconnet yang paling diminati oleh pelanggan, sehingga dapat mempermudah manajemen ICON+ dalam perencanaan penyediaan layananan pelanggan, dan penyusunan strategi pasar di masa mendatang. Sebanyak 3.206 dataset (terdiri atas 2.565 data training dan 641 data testing) peminat layanan ICONNET selama 1 tahun yang telah dibersihkan, diuji pada kedua algoritme tersebut, berdasarkan parameter Bandwith, Request_Date, Status, alamat pelanggan, dan biaya layanan. Akurasi kinerja algoritme diuji menggunakan metode Cross Validation, Confusion Matrix serta ROC curve. Hasil uji akurasi menunjukkan kinerja algoritme K-NN lebih akurat dari algoritme SVM pada berbagai kategori pengujian.Kata kunci: Data Mining; Minat pelanggan; Akurasi Kinerja; Cross Validation; Confusion Matrix

Model IoT Berbasis Fuzzy Tsukamoto Untuk Penyemprotan Pestisida Otomatis Pada Tanaman Sayur Kubis I Kadek Dwi Antoro Oka; Bagus Putu Wahyu Nirmala; Made Adi Paramartha Putra
Progresif: Jurnal Ilmiah Komputer Vol 18, No 2: Agustus 2022
Publisher : STMIK Banjarbaru

Manually spraying pesticides for pest control on cabbage fields is not efficient, especially on large garden areas. This study presents a model of an Internet of Things (IoT) based automatic pesticide spraying system using the Tsukamoto fuzzy method to make it easier to spray pesticides. A DC diaphragm pump sucks the pesticide liquid from the pesticide holding tank. The pump is connected to a relay as an automatic pump control switch controlled by the ESP 8266 module. Temperature, light, and raindrop sensors are input variables for the Tsukamoto fuzzy method in predicting the right weather conditions for spraying. Separate testing of each sensor is carried out to ensure each sensor has worked properly before being tested in an integrated manner. The results of the integration test on sensors as input variables and buzzers, LEDs, as well as relays and water pumps as output parameters, can work according to the program rules in the microcontroller. The Tsukamoto fuzzy method can also control the spraying time well although it has not yet reached the maximum level of accuracy.Keywords: Microcontroller; ESP 8266; pest; weather Abstrak. Penyemprotan pestisida secara manual untuk pengendalian hama pada lahan sayur kubis tidak efisien, terutama pada lahan kebun yang berukuran luas. Penelitian ini menyajikan model sistem penyemprotan pestisida otomatis berbasis Internet of Things (IoT) menggunakan metode fuzzy Tsukamoto untuk mempermudah melakukan penyemprotan pestisida. Sebuah Pompa diaphragm DC menyedot cairan pestisida dari tangki penampungan pestisida. Pompa terhubung dengan relay sebagai saklar pengendali pemompa otomatis terkendali modul ESP 8266. Sensor suhu, cahaya, dan Raindrop merupakan variable input bagi metode fuzzy Tsukamoto dalam memprediksi keadaan cuaca yang tepat untuk melakukan penyemprotan. Pengujian secara terpisah atas setiap sensor dilakukan untuk memastikan setiap sensor telah bekerja secara tepat sebelum dilakukan pengujian secara terintegrasi. Hasil uji integrasis atas sensor-sensor sebagai variabel input dan buzzer, LED, serta relay dan pompa air sebagai parameter output, dapat bekerja sesuai rule program dalam mikrokontroler. Metode fuzzy Tsukamoto juga dapat mengendalikan waktu penyemprotan dengan baik walaupun masih belum mencapai tingkat ketepatan maksimal.Kata Kunci: Mikrokontroler; ESP 8266; hama; cuaca

Model Sistem Pendukung Keputusan Kelayakan Pemberian Kredit Pada BUMDes Ni Kadek Harum Aripuspa; Ni Made Estiyanti; Eddy Muntina Dharma
Progresif: Jurnal Ilmiah Komputer Vol 18, No 2: Agustus 2022
Publisher : STMIK Banjarbaru

Decision-making for granting credit to BUMDes XYZ customers, which is still done manually, allows the results of decisions taken to be subjective, resulting in inaccurate decision results. This inaccurate credit decision has the potential to increase the number of bad loans that occur. This article presents a Decision Support System (DSS) model for assessing creditworthiness using the Simple Additive Weighting (SAW) method, with reference to the 5C criteria (Character, Capacity, Capital, Collateral and Condition). The performance accuracy of the SAW method was tested with 30 samples of bad credit data and current loans of customers of a BUMDes in Bali, using the Confusion Matrix technique. The test results show the Precision value of 95.4% and recall of 91.3%. The accuracy value is classified as Excellent Classification based on the ROC (Receiver Operating Characteristic) curve. The final result of the SAW-based SPK model is then implemented in the form of an SPK application for providing credit to BUMDes XYZ customers.Keywords: Simple Additive Weighting; Accuracy; Confusion Matrix; Precision and Recall; Excellent Classification Abstrak. Pengambilan keputusan pemberian kredit kepada nasabah BUMDes XYZ yang masih dilakukan secara manual, memungkinkan hasil keputusan yang diambil bersifat subjektif, berakibat pada hasil keputusan yang tidak akurat. Keputusan pemberian kredit yang tidak akurat tersebut berpotensi meningkatkan jumlah kredit macet yang terjadi. Artikel ini menyajikan model Sistem Pendukung Keputusan (SPK) penilaian kelayakan pemberian kredit dengan menggunakan metode Simple Additive Weighting (SAW), dengan mengacu pada kriteria 5C (Character, Capacity, Capital, Collateral dan Condition). Akurasi kinerja motode SAW diuji dengan 30 sampel data kredit macet dan kredit lancar nasabah sebuah BUMDes di Bali, menggunakan teknik Confusion Matrix. Hasil uji menunjukkan nilai Precision sebesar 95,4% dan Recall sebesar 91,3%. Nilai akurasi tersebut tergolong dalam Excellent Classification berdasarkan kurva ROC (Receiver Operating Characteristic). Hasil akhir model SPK berbasis SAW kemudian diimplementasikan dalam bentuk aplikasi SPK pemberian kredit kepada nasabah BUMDes XYZ.Kata kunci: Simple Additive Weighting; Akurasi; Confusion Matrix; Precision and Recall; Excellent Classification

Perbandingan Algoritma Content-Based Filtering dan Collaborative Filtering dalam Rekomendasi Kegiatan Ekstrakurikuler Siswa Diyo Sukma Pradana; Prajoko Prajoko; George Pri Hartawan
Progresif: Jurnal Ilmiah Komputer Vol 18, No 2: Agustus 2022
Publisher : STMIK Banjarbaru

Extracurricular activities play an important role in developing students' creativity. However, the problem that is often experienced by students in determining the choice of extracurricular activities is choosing the right type of activity and in line with the interests and talents of students. This study aims to test and compare the performance of the Naïve Bayes-based Content-based Filtering and Collaborative Filtering models in recommending appropriate extracurricular activities for students. Testing of each model is done by dividing the training data and test data in a ratio of 80% and 20%. The training process uses the RecommenderNET Library. The accuracy of the Contend-based Filtering model was tested using Naïve Bayes of the Multinomial type, while the Collaborative Filtering model used the Gaussian type of Nave Bayes. The test results of the Naïve Bayes model for Content-based Filtering show an accuracy rate of 74%, while Collaborative Filtering obtains 56%.Keywords: Recommendation System; Naïve Bayes; Library RecommenderNET Abstrak. Kegiatan ekstrakurikuler memegang peran penting dalam mengembangkan kreativitas siswa. Namun demikian, permasalahan yang sering dialami oleh siswa dalam menentukan pilihan kegiatan ekstrakurikuler adalah memilih jenis kegiatan yang tepat dan sejalan dengan minat dan bakat siswa. Penelitian ini bertujuan untuk menguji dan membandingkan kinerja model Content-based Filtering dan Collaborative Filtering berbasis Naïve Bayes dalam merekomendasikan kegiatan Ekstrakurikuler yang tepat bagi siswa. Pengujian masing-masing model dilakukan dengan membagi data latih dan data uji dalam perbandingan 80% dan 20%. Proses pelatihan menggunakan Library RecommenderNET. Akurasi model Contend-based Filtering diuji menggunakan Naïve Bayes jenis Multinomial, sedangkan model Collaborative Filtering menggunakan Naïve Bayes jenis Gaussian. Hasil uji model Naïve Bayes untuk Content-based Filtering menunjukkan tingkat akurasi 74%, sedangkan Collaborative Filtering memperoleh 56%.Kata kunci: Sistem Rekomendasi; Naïve Bayes; Library RecommenderNET

Perbandingan Analisis Cluster Algoritma K-Means Dan AHC Dalam Perencanaan Persediaan Barang Pada Perusahaan Manufaktur ellang putro priambodo; Arief Jananto
Progresif: Jurnal Ilmiah Komputer Vol 18, No 2: Agustus 2022
Publisher : STMIK Banjarbaru

Inventory control is very important for PT. Multi Lestari (goods production/sales company), so as not to incur maintenance costs for goods that are produced in excess, or cause losses if customer requests cannot be met. This study tested the K-Means algorithm and the Agglomerative Hierarchical Clustering (AHC) algorithm in classifying past sales data based on sales parameters. Inventory prediction for future sales is done by interpreting the results of the cluster formed by the clustering algorithm used. The cluster center that is formed based on the average number of sold parameters is used as a reference to determine the amount of inventory for each type of item that is included in the group members of a particular cluster. The test results show that both the K-Means algorithm and the AHC algorithm can classify the goods sold based on the similarity of the average number sold. However, both produce different amounts, so further studies are needed on which algorithm produces more accurate inventory predictions, based on real sales results that have been made in the past.Keywords: Data Mining; Grouping; Cluster Center; Inventory Prediction Abstrak. Pengendalian persediaan barang menjadi sangat penting bagi PT. Multi Lestari (perusahaan produksi/penjualan barang), agar tidak menimbulkan biaya pemeliharaan bagi barang yang diproduksi secara berlebihan, atau menimbulkan kerugian jika permintaan pelanggan tidak dapat dipenuhi. Penelitian ini menguji algoritma K-Means dan algoritma Aglomerative Hierarchical Clustering (AHC) dalam mengelompokkan data penjualan barang masa lalu berdasarkan parameter-parameter penjualan. Prediksi persediaan untuk penjualan masa mendatang dilakukan dengan menginterpretasikan hasil cluster yang terbentuk oleh algoritma clustering yang digunakan. Pusat cluster yang terbentuk berdasarkan parameter rerata jumlah terjual digunakan sebagai acuan untuk menentukan jumlah persediaan barang bagi setiap jenis barang yang termasuk dalam anggota kelompok sebuah cluster tertentu. Hasil uji menunjukkan algoritma K-Means maupun algoritma AHC keduany dapat mengelompokkan barang yang terjual berdasarkan kemiripan rerata jumlah terjual. Namun keduanya menghasilkan jumlah yang berbeda, sehingga perlu kajian lebih lanjut mengenai algoritma mana yang menghasilkan prediksi persediaan yang lebih akurat, dengan berpatokan pada Hasil penjualan riil yang telah dilakukan pada masa lalu.Kata kunci: Data Mining; Pengelompokan; Pusat Klaster; Prediksi Persediaan

Analisis Perbandingan Algoritma Apriori Dan FP-Growth Dalam Pembentukan Pola Asosiasi Keranjang Belanja Pelanggan Ifa Musdalifah; Arief Jananto
Progresif: Jurnal Ilmiah Komputer Vol 18, No 2: Agustus 2022
Publisher : STMIK Banjarbaru

To increase product sales, sales companies need to think of various strategies in achieving them, one of which is utilizing sales transaction data to support sales strategies in a better direction. This article examines and compares the performance of the Apriori and FP-Growth algorithms in forming customer shopping cart association patterns, to be used as a reference for company management in planning sales strategies. The CRIPS-DM method is used in the data mining process, following 5 main phases, including: Business Understanding, Data Understanding, Data Preparation, Modeling Model, and evaluation model. A total of 749 samples of sales transaction data were tested to understand the association pattern generated by each method. Based on the test results with minimum support = 0.06 and confidence = 0.02, the Apriori algorithm produces 9 rules (association rules) with a total rule strength of 0.72 (0.08 average per rule), while the Fp-growth algorithm produces 14 rules with a total rule strength of 2.32 (average 0.17 per rule). Thus, the FP-Growth algorithm can be stated to perform better in generating association rules when compared to the Apriori algorithm.Keywords: Data mining; Association rules; Sales strategy Abstrak. Untuk meningkatkan penjualan produk, perusahaan penjualan perlu memikirkan berbagai strategi dalam pencapaiannya, salah satu diantaranya memanfaatkan data transaksi penjualan untuk mendukung strategi penjualan ke arah yang lebih baik. Artikel ini mengnguji dan membandingkan kinerja algoritma Apriori dan FP-Growth dalam pembentukan pola asosiasi keranjang belanja pelanggan, untuk dapat menjadi acuan manajemen perusahaan dalam merencanakan strategi penjualan. Metode CRIPS-DM digunakan dalam proses data mining, dengan mengikuti 5 fase utama, meliputi: Business Understanding, Data Understanding, Data Preparation, Modelling Model, dan avaluation model. Sejumlah 749 sampel data transaksi penjualan diuji untuk memahami pola asosiasi yang dihasilkan masing-masing metode. Berdasarkan hasil pengujian dengan minimum support=0,06 dan confidence=0,02, algoritma Apriori menghasilkan 9 rules (aturan asosiasi) dengan total kekuatan rules sebesar 0,72 (rerata 0,08 setiap rule), sedangkan algorima Fp-growth menghasilkan 14 rules dengan total kekuatan rule sebesar 2,32 (rerata 0,17 setiap rule). Dengan demikian, algoritma FP-Growth dapat dinyatakan berkinerja lebih baik dalam menghasilkan aturan asosiasi jika dibandingkan dengan algoritma Apriori.Kata Kunci: Data mining; Aturan asosiasi; Strategi penjualan

Model Sistem Reminder Jarak Otomatis Berbasis Arduino Uno Pada Sistem Social Distancing Muhammad Nasir; Fitriyadi Fitriyadi; Ruliah Ruliah
Progresif: Jurnal Ilmiah Komputer Vol 18, No 2: Agustus 2022
Publisher : STMIK Banjarbaru

One way to break the chain of spread of the corona virus is recommended to carry out social distancing with a distance of 1 Meter between one person and another. At the time this research was made there were no tools for social distancing when in public places that could provide sound warning information when there were people near us less than 1 Meter away, to overcome this the researchers made automatic distancing tools using a reminder system model. Arduino Uno-based automatic distance that can make a sound. This study resulted in a social distancing tool that can provide a warning in the form of a sound when there are people or objects that are less than 1 Meter away from the user, while if other people are more than 1 Meter away, the sound warning will turn off.Keywords: Tools, Arduino Uno, Social Distancing Abstrak. Salah satu cara untuk memutus mata rantai penyebaran virus Corona-19 dianjurkan untuk melakukan social distancing dengan jarak 1 Meter antara satu orang dengan orang lainnya. Pada saat penelitian ini dilaksanakan, belum adan alat bantu untuk melakukan social distancing ketika berada di tempat umum yang dapat memberikan informasi peringatan suara ketika adanya orang yang berada didekat kita kurang dari 1 Meter, untuk mengatasi hal tersebut peneliti membuat alat bantu distancing otomatis menggunakan model sistem reminder jarak otomatis berbasis Arduino Uno yang bisa mengeluarkan bunyi suara. Penelitian ini menghasilkan alat bantu social distancing yang dapat memberikan peringatan berupa bunyi suara ketika ada orang atau benda yang berjarak pada pengguna kurang dari 1 Meter, sedangkan jika orang lain berada pada jarak lebih dari 1 Meter maka peringatan suara akan matiKata Kunci: Alat bantu, Arduino Uno, Social Distancing

Uji Akurasi Grid-Edge-Depth Map Pada Purwarupa Alat Bantu Melihat Menggunakan Kamera Stereo Budi Rahmani
Progresif: Jurnal Ilmiah Komputer Vol 18, No 2: Agustus 2022
Publisher : STMIK Banjarbaru

The Grid-Edge-Depth Map (GED-map) algorithm can measure objects with distances from 64 cm to 500 cm and has been tested on a wheeled robot to help it avoid obstacles in the experimental environment. This study examines the accuracy of the GED-map that can be used to help people with visual impairments. The research was conducted by modifying a stereo camera into a device that can be used by humans such as a helmet and processed by a laptop. The test was carried out with three scenarios that required the user to stand at a distance of 100 cm, 125 cm and 150 cm from a table, chair, or wall with 15 tests in each scenario. The results of the distance measurement by the system are then computed based on the angle of the installed stereo camera and compared the results with the real distance. The test results show an average accuracy of 94.86% with 3 experimental scenarios, which means that this tool is feasible to implement. It's just that research and improvement need to be done to reduce the size of the distance measurement processing computer that currently uses a laptop.Keywords: GED-map; Visual impairment; Stereo cameras; Viewing aids Abstrak. Algoritme Grid-Edge-Depth Map (GED-map) dapat mengukur objek dengan jarak antara 64 cm sampai dengan 500 cm dan telah diuji pada robot beroda untuk membantunya menghindari halangan yang ada di lingkungan percobaan. Penelitian ini menguji akurasi GED-map yang dapat dimanfaatkan untuk membantu para penyandang disabilitas penglihatan. Penelitian dilakukan dengan memodifikasi kamera stereo menjadi perangkat yang bisa digunakan oleh manusia seperti helm dan diproses oleh sebuah laptop. Pengujian dilakukan dengan tiga skenario yang menyaratkan pengguna alat untuk berdiri pada jarak 100 cm, 125 cm dan 150 cm terhadap meja, kursi, maupun tembok dengan 15 kali pengujian pada setiap skenarionya. Hasil pengukuran jarak oleh sistem kemudian dikomputasi berdasarkan sudut kamera stereo yang terpasang dan dibandingkan hasilnya terhadap jarak riil. Hasil pengujian menunjukkan rerata akurasi sebesar 94,86% dengan 3 skenario percobaan, yang artinya alat ini layak untuk diimplementasikan. Hanya saja penelitian dan penyempurnaan perlu dilakukan untuk mengurangi ukuran komputer pemroses pengukuran jarak yang sementara ini masih menggunakan laptop.Kata kunci: GED-map; Disabilitas penglihatan; Stereo camera; Alat bantu melihat

Prediksi Kinerja Mahasiswa Dalam Perkuliahan Berbasis Learning Management System Menggunakan Algoritma Naïve Bayes Asnur Karima; Taghfirul Azhima Yoga Siswa
Progresif: Jurnal Ilmiah Komputer Vol 18, No 2: Agustus 2022
Publisher : STMIK Banjarbaru

The Covid-19 pandemic that has hit Indonesia since the beginning of 2020 has had a major impact on the world of education, so that the learning process that was originally carried out face-to-face has turned into online learning. In such a situation, the University of Muhammadiyah East Kalimantan utilizes the Learning Management System (LMS) in an online learning system using the LMS Open Learning platform. The purpose of this study is to find the best attribute values using Correlation Based Featured Selection and to test the performance of the Naïve Bayes algorithm using Confusion Matrix. The attributes used after going through the feature selection are time spent on course, course completed, assignments, mid-semester exams and quizzes. The results of testing 178 data with a ratio of training data schemes and testing data of 70:30 produce an accuracy of 98.14%, 80:20 produces an accuracy of 97.22% and 90:10 produces an accuracy of 94.44%. Thus, the best accuracy is obtained at 70:30 data composition, which is 98.14%.Keywords: Accuracy level; Naive Bayes; Online learning; Prediction Abstrak. Pandemi Covid-19 yang melanda Indonesia sejak awal tahun 2020 memberikan dampak besar terhadap dunia pendidikan, sehingga proses pembelajaran yang semula dilakukan secara tatap muka berubah menjadi Pembelajaran Dalam Jaringan (daring). Dalam situasi seperti tersebut, Universitas Muhammadiyah Kalimantan Timur memanfaatan Learning Management System (LMS) dalam sistem pembelajaran daring menggunakan platform LMS Open Learning. Tujuan penelitian ini adalah mencari nilai atribut terbaik menggunakan Correlation Based Featured Selection dan menguji performa algoritma Naïve Bayes menggunakan Confusion Matrix. Atribut yang digunakan setelah melalui seleksi fitur adalah time spent on course, course completed, nilai penugasan, nilai Ujian Tenga Semester dan nilai quiz. Hasil pengujian 178 data dengan rasio skema data training dan data testing 70:30 menghasilkan akurasi sebesar 98,14%, 80:20 menghasilkan akurasi sebesar 97,22% dan 90:10 menghasilkan akurasi sebesar 94,44%. Dengan demikian, akurasi terbaik diperoleh pada komposisi data 70:30, yaitu sebesar 98,14%.Kata kunci: Akurasi; Naïve Bayes; Pembelajaran dalam jaringan; Prediksi

Implementasi K-Nearest Neighbor Dalam Memprediksi Keterlambatan Pembayaran Biaya Kuliah Di Perguruan Tinggi Muhammad Rhosyid Akhmad; Taghfirul Azhima Yoga Siswa
Progresif: Jurnal Ilmiah Komputer Vol 18, No 2: Agustus 2022
Publisher : STMIK Banjarbaru

The delay in payment of tuition fees at the Muhammadiyah University of East Kalimantan for the 2020/2021 academic year reached 3,018 out of a total of 5,533 students. The number of latecomers is quite large because it exceeds half of the total students. It is deemed necessary to conduct an analysis related to the late payment, so that prevention and treatment can be carried out as early as possible. The purpose of this study is to determine the parameters of delay in paying tuition fees, implementing the K-Nearest Neighbor algorithm, and evaluating the performance of the algorithm using a confusion matrix. The amount of data used for the algorithm performance testing process is 12,408 records with a ratio of 80% training data and 20% testing data. The results of the evaluation test showed that the accuracy of k=3 was 52.82%, k=5 was 52.49%, k=7 was 52.37%, k=9 was 52.33%, and k=11 was 52.53%. The best data test results were obtained at k = 3, namely 52.82%.Keywords: Accuracy; K-Nearest Neighbor; Tuition Fee Payment, Confusion matrix Abstrak. Keterlambatan pembayaran biaya kuliah di Universitas Muhammadiyah Kalimantan Timur tahun ajaran 2020/2021 mencapai 3.018 dari total keseluruhan 5.533 mahasiswa. Jumlah yang terlambat tersebut tergolong cukup banyak karena melebihi separuh dari keseluruhan mahasiswa. Dipandang perlu untuk melakukan analisis berkaitan dengan keterlambatan pembayaran tersebut, agar dapat dilakukan pencegahan dan penanganan sedini mungkin. Tujuan penelitian ini adalah menentukan parameter keterlambatan dari pembayaran biaya kuliah, mengimplementasi algoritma K-Nearest Neighbor, dan mengevaluasi kinerja algortima menggunakan Confusion Matrix. Jumlah data yang digunakan untuk proses pengujian kinerja algoritma adalah 12.408 record dengan rasio 80% data training dan 20% data testing. Hasil pengujian evaluasi didapatkan akurasi k=3 sebesar 52,82%, k=5 sebesar 52,49%, k=7 sebesar 52,37%, k=9 sebesar 52,33%, dan k=11 sebesar 52,53%. Hasil pengujian data terbaik didapatkan pada nilai k=3 yaitu 52,82%.Kata kunci: Akurasi; K-Nearest Neighbor; Pembayaran biaya kuliah, Confusion matrix

Page 1 of 2 | Total Record : 13

1 2

Filter by Year

2022 2022

Filter By Issues

All Issue Vol 21, No 2: Agustus 2025 Vol 21, No 1: Februari 2025 Vol 20, No 2: Agustus 2024 Vol 20, No 1: Februari 2024 Vol 19, No 2: Agustus 2023 Vol 19, No 1: Februari 2023 Vol 18, No 2: Agustus 2022 Vol 18, No 1: Februari 2022 Vol 17, No 2: Agustus 2021 Vol 17, No 1: Februari 2021 Vol 16, No 2: Agustus 2020 Vol 16, No 1: Februari 2020 Vol 15, No 2: Agustus 2019 Vol 15, No 1: Februari 2019 Vol 14, No 2: Agustus 2018 Vol 14, No 1: Februari 2018 Vol 13, No 2: Agustus 2017 Vol 13, No 1: Pebruari 2017 Vol 12, No 2: Agustus 2016 Vol 12, No 1: Pebruari 2016 Vol 11, No 2: Agustus 2015 Vol 11, No 1: Pebruari 2015 Vol 10, No 2: Agustus 2014 Vol 10, No 1: Pebruari 2014 Vol 9, No 2: Agustus 2013 Vol 9, No 1: Pebruari 2013 Vol 7, No 2: Agustus 2011 Vol 6, No 2: Agustus 2010 Vol 6, No 1: Pebruari 2010 Vol 4, No 1: Pebruari 2008 Vol 2, No 2: Agustus 2006 More Issue

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
Bahar

Contact Email
bahararahman@gmail.com

Phone
-

Journal Mail Official
puslit.stmikbjb@gmail.com

Editorial Address
-

Location
Kota banjarmasin,

Kalimantan selatan

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name Bahar

Contact Email bahararahman@gmail.com

Phone -

Journal Mail Official puslit.stmikbjb@gmail.com

Editorial Address -

Location Kota banjarmasin, Kalimantan selatan INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
Bahar

Contact Email
bahararahman@gmail.com

Phone
-

Journal Mail Official
puslit.stmikbjb@gmail.com

Editorial Address
-

Location
Kota banjarmasin,

Kalimantan selatan

INDONESIA