MODEL ALGORITMA K-NEAREST NEIGHBOR (K-NN) DAN NAÏVE BAYES UNTUK PREDIKSI KELULUSAN MAHASISWA
Ryan SitumorangWoro Isti RahayuRd Nuraini Siti Fathonah
Abstract
Jurnal ini membahas penggunaan dua model algoritma machine learning, yaitu K-Nearest Neighbor (K-NN) dan Naïve Bayes, untuk memprediksi kelulusan mahasiswa. K-NN adalah algoritma yang digunakan untuk klasifikasi dan regresi, sementara Naïve Bayes adalah algoritma yang digunakan untuk klasifikasi. Kedua algoritma ini dapat digunakan untuk memprediksi kelulusan mahasiswa dengan memanfaatkan data historis, seperti nilai ujian, absensi, dan faktor-faktor lain yang mempengaruhi kelulusan. Dalam artikel ini, akan dijelaskan secara rinci bagaimana model-model ini bekerja dan bagaimana cara mengimplementasikannya untuk memprediksi kelulusan mahasiswa.
Metrics
Citation History
Topics
Related Documents
MODEL ALGORITMA K-NEAREST NEIGHBOR (K-NN) UNTUK PREDIKSI KELULUSAN MAHASISWA
Aplikasi Prediksi Kelulusan Mahasiswa Berbasis K-Nearest Neighbor (K-NN)
Lalu Abd Rahman HakimAhmad Ashril RizalDwi Ratnasari
Penerapan Algoritma K-Nearest Neighbor (K-NN) untuk Memprediksi Kelulusan Mahasiswa Menggunakan RapidMiner.
Herlinatus Safira MuasolliZaehol Fatah
KLASIFIKASI ALGORITMA K-NEAREST NEIGHBOR, NAIVE BAYES, DECISION TREE UNTUK PREDIKSI STATUS KELULUSAN MAHASISWA S1
Enggar NoviantoArief HermawanDonny Avianto
Analisis Komparasi Algoritma Naïve Bayes dan K-Nearest Neighbor Untuk Memprediksi Kelulusan Mahasiswa Tepat Waktu
Muhammad GunawanMuhammad ZarlisRoslina Roslina