PREDIKSI KELULUSAN MAHASISWA STMIK DHARMAWACANA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS

Abstract

Prediksi kelulusan merupakan faktor kunci bagi sekolah untuk mengukur kinerja setiap program sarjana dalam hal pencapaian akademik setiap semester. STMIK Dharmawacana mengalami kesulitan dalam memprediksi kelulusan, sehingga perlu diterapkan metode machine learning untuk memprediksi kelulusan menggunakan algoritma K-Nearest Neighbor. Pada penulisan kali ini membahas tentang metode K-Nearest Neighbor yang dalam penelitian di STMIK Dharmawacana menggunakan aplikasi Rapid Miner 9.1, dengan total data kelulusan mahasiswa 1017, dimana 917 merupakan data latih untuk lulusan tahun 2014 sampai dengan tahun 2018 dan 100 data merupakan data uji mahasiswa tahun 2019, pada program studi S1 ​​Teknik Komputer dan S1 Sistem Informasi. Hasil penelitian menunjukkan bahwa pendekatan algoritma K-Nearest Neighbor dengan K-5 dan k-fold cross-validation pada k=4 mencapai tingkat akurasi sebesar 97,15%. Hal ini menunjukkan bahwa metode K-Nearest Neighbor merupakan algoritma yang dapat digunakan dalam prediksi.