PREDIKSI KELULUSAN MAHASISWA TEPAT WAKTU MENGGUNAKAN METODE LOCAL MEAN BASED K-NEAREST NEIGHBOR

KURNIAWAN, MUHAMAD REZA and Rini, Dian Palupi and Primanita, Anggina (2022) PREDIKSI KELULUSAN MAHASISWA TEPAT WAKTU MENGGUNAKAN METODE LOCAL MEAN BASED K-NEAREST NEIGHBOR. Undergraduate thesis, Sriwijaya University.

[thumbnail of RAMA_55201_090212818123051.pdf] Text
RAMA_55201_090212818123051.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (3MB) | Request a copy
[thumbnail of RAMA_55201_090212818123051_0023027804_0206088901_01_front_ref.pdf]
Preview
Text
RAMA_55201_090212818123051_0023027804_0206088901_01_front_ref.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (1MB) | Preview
[thumbnail of RAMA_55201_090212818123051_0023027804_0206088901_02.pdf] Text
RAMA_55201_090212818123051_0023027804_0206088901_02.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (433kB) | Request a copy
[thumbnail of RAMA_55201_090212818123051_0023027804_0206088901_03.pdf] Text
RAMA_55201_090212818123051_0023027804_0206088901_03.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (262kB) | Request a copy
[thumbnail of RAMA_55201_090212818123051_0023027804_0206088901_04.pdf] Text
RAMA_55201_090212818123051_0023027804_0206088901_04.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (962kB) | Request a copy
[thumbnail of RAMA_55201_090212818123051_0023027804_0206088901_05.pdf] Text
RAMA_55201_090212818123051_0023027804_0206088901_05.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (940kB) | Request a copy
[thumbnail of RAMA_55201_090212818123051_0023027804_0206088901_06.pdf] Text
RAMA_55201_090212818123051_0023027804_0206088901_06.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (182kB) | Request a copy
[thumbnail of RAMA_55201_090212818123051_0023027804_0206088901_07_ref.pdf] Text
RAMA_55201_090212818123051_0023027804_0206088901_07_ref.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (199kB) | Request a copy
[thumbnail of RAMA_55201_090212818123051_0023027804_0206088901_08_lamp.pdf] Text
RAMA_55201_090212818123051_0023027804_0206088901_08_lamp.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (256kB) | Request a copy
[thumbnail of RAMA_55201_090212818123051_TURNITIN.pdf] Text
RAMA_55201_090212818123051_TURNITIN.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (11MB) | Request a copy

Abstract

Tingkat kelulusan mahasiswa adalah indikator atau tolak ukur kesuksesan universitas dalam pelaksanaan proses pendidikan dan pembelajaran. Kelulusan Mahasiswa adalah salah satu perangkat untuk menentukan akreditasi universitas. Teknologi yang dapat memprediksi waktu kelulusan mahasiswa sangat dibutuhkan untuk memberikan rekomendasi kepada Universitas atau Fakultas agar dapat melakukan tindakan-tindakan untuk mengurangi mahasiswa yang lulus terlambat. Untuk menganalisis kelulusan siswa tepat waktu, perangkat lunak khusus dikembangkan. Perangkat lunak yang dikembangkan mampu memprediksi kelulusan mahasiswa menggunakan K-Nearest Neighbor (KNN) dan Local Mean K-Nearest Neighbor (LMKNN). Hasil dari kedua metode tersebut kemudian dibandingkan untuk mendapatkan metode yang terbaik. Data yang digunakan dalam penelitian ini adalah 127 data mahasiswa yang diambil dari jurusan Teknik Informatika Universitas Sriwijaya, terdiri dari 61 data mahasiswa lulus tepat waktu dan 66 data mahasiswa tidak lulus tepat waktu. Pada penelitian ini menggunakan metode Cross-Validation dengan 10 fold untuk mencari nilai performa dari metode LMKNN. Hasil penelitian ini menunjukkan bahwa akurasi metode LMKNN mencapai nilai akurasi tertinggi pada konfigurasi k=9 sebesar 0,737. Algoritma LMKNN dapat menghasilkan nilai akurasi yang lebih baik dari pada algoritma KNN dengan peningkatan sebesar 2% - 5 %.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Local Mean Based K-Nearest Neighbor, Klasifikasi Data, Penggalian data, Kelulusan Mahasiswa
Subjects: Q Science > Q Science (General) > Q300-390 Cybernetics > Q325.5 Machine learning
Q Science > QA Mathematics > QA75-76.95 Calculating machines > QA76.9.B45 Big data. Machine learning. Quantitative research. Metaheuristics.
Divisions: 09-Faculty of Computer Science > 55201-Informatics (S1)
Depositing User: Muhamad Reza Kurniawan
Date Deposited: 18 Jul 2022 08:08
Last Modified: 18 Jul 2022 08:11
URI: http://repository.unsri.ac.id/id/eprint/74060

Actions (login required)

View Item View Item