PENERAPAN ALGORITMA K-NEAREST NEIGHBOUR (K-NN) UNTUK PENENTUAN MAHASISWA BERPOTENSI DROP OUT
DOI:
https://doi.org/10.36002/jutik.v5i3.804Abstract
ABSTRACTDrop out is a situation where students are expelled from college because of several factors, one of which is because the status of lectures is not active beyond 5 semesters for undergraduate students. The high level of success and low failure of students can reflect the quality of education in higher education. The high level of student drop outs can affect the value of Higher Education accreditation so that it will affect the level of public trust. Student data drop out becomes something important to be researched and analyzed, so it can be seen how the characteristics of students who have the potential to drop out as early as possible. The data of ITB STIKOM Bali students is very much so that they can utilize data mining techniques for data classification. In this study the K-NN method was implemented to classify students as potential drop outs and the student data used in this study were students of the 2014 Information Systems study program using 6 attributes, namely gender, age, religion, class status, practical work, and grades GPA. The results showed that the accuracy of the method was 81.50%.
Keywords: KNN, Drop Out, ITB STIKOM Bali
ABSTRAK
Drop out adalah suatu keadaan dimana mahasiswa dikeluarkan dari perguruan tinggi karena beberapa faktor salah satunya karena status perkuliahannya tidak aktif melebihi 5 semester untuk mahasiswa S1. Tingginya tingkat keberhasilan dan rendahnya kegagalan mahasiswa dapat mencerminkan kualitas pendidikan di perguruan tinggi. Tingginya tingkat drop out mahasiswa dapat mempengaruhi nilai akreditasi Perguruan Tinggi sehingga akan mempengaruhi tingkat kepercayaan masyarakat. Data mahasiswa drop out menjadi sesuatu hal yang penting untuk diteliti dan dianalisa, sehingga dapat diketahui bagaimana karakteristik mahasiswa yang berpotensi drop out sedini mungkin. Data mahasiswa ITB STIKOM Bali sangat banyak sehingga dapat memanfaatkan teknik data mining untuk klasifikasi data. Pada penelitian ini diimplementasikan metode K-NN untuk klasifikasi mahasiswa berpotensi drop out dan data mahasiswa yang digunakan dalam penelitian ini adalah mahasiswa program studi Sistem Informasi angkatan 2014 dengan menggunakan 6 atribut yaitu jenis kelamin, umur, agama, status kelas, kerja praktek, dan nilai IPK. Hasil penelitian menunjukkan bahwa tingkat akurasi metode sebesar 81.50%.
Kata kunci: KNN, Drop Out, ITB STIKOM Bali
Downloads
Additional Files
Published
2019-10-11
How to Cite
Ratniasih, N. L. (2019). PENERAPAN ALGORITMA K-NEAREST NEIGHBOUR (K-NN) UNTUK PENENTUAN MAHASISWA BERPOTENSI DROP OUT. JUTIK : Jurnal Teknologi Informasi Dan Komputer, 5(3). https://doi.org/10.36002/jutik.v5i3.804
Issue
Section
Articles
License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.