Teknik Data Mining Untuk Memprediksi Masa Studi Mahasiswa Menggunakan Algoritma K-Nearest Neighborhood

Lorena Br Ginting, Selvia and Wendi Zarman and Astrid Darmawan (2015) Teknik Data Mining Untuk Memprediksi Masa Studi Mahasiswa Menggunakan Algoritma K-Nearest Neighborhood. KOMPUTIKA - Jurnal Sistem Komputer UNIKOM, 3 (2). ISSN 2252-9039

Preview

UNSPECIFIED 6-selvia.pdf - Published Version Download (1MB) | Preview

Abstract

Data mining adalah sebuah teknik yang memanfaatkan data dalam jumlah yang besar untuk memperoleh informasi berharga yang sebelumnya tidak diketahui dan dapat dimanfaatkan untuk pengambilan keputusan penting. Data mining juga memanfaatkan pengalaman atau bahkan kesalahan di masa lalu untuk meningkatkan kualitas dari model maupun hasil analisanya, salah satunya dengan kemampuan pembelajaran yang dimiliki teknik data mining yaitu klasifikasi. Kegiatan pengklasifikasian yang dilakukan oleh manusia masih memiliki keterbatasan, terutama pada kemampuan manusia dalam menampung jumlah data yang ingin diklasifikasikan. Selain itu bisa juga terjadi kesalahan dalam pengklasifikasian yang dilakukan. Salah satu cara mengatasi masalah ini adalah dengan menggunakan Data Mining (DM) dengan teknik klasifikasi. Klasifikasi merupakan tugas pembelajaran yang memetakan sebuah objek baru ke dalam salah satu label class atau kategori pada objek lama yang telah didefinisikan sebelumnya. Klasifikasi ini menggunakan salah satu metode algoritma data mining yaitu k-Nearest Neighborhood (KNN). Algoritma KNN bekerja berdasarkan jarak terpendek dari objek baru ke objek lama dengan menentukan nilai k. Nilai k merupakan parameter untuk menentukan jarak terdekat antara objek baru terhadap objek lama. Dengan menggunakan teknik data mining tersebut maka di perguruan tinggi dapat memanfaatkan data akademik mahasiswa yaitu indeks prestasi (IP) untuk memprediksi masa studi mahasiswa berdasarkan kategori kelulusan yaitu tepat waktu (4-5 Tahun) dan tidak tepat waktu (5 tahun lebih). Dalam aplikasi data mining ini terdiri dari data testing (data yang akan diuji) dan data training (data yang telah diketahui label class atau kategorinya) dengan masukan NIM dan nilai k. Nilai k yang terbaik, tergantung pada jumlah data yang digunakan. Jika nilai k tinggi, maka hasil tingkat keberhasilannya belum tentu baik dan begitu sebaliknya. Sehingga diharapkan hasil akhir dari aplikasi data mining ini dapat menghasilkan prediksi masa studi mahasiswa.

Item Type:	Article
Uncontrolled Keywords:	data mining, klasifikasi, algoritma k-nearest neighborhood, prediksi masa studi mahasiswa
Subjects:	Jurnal Tercetak > KOMPUTIKA - Jurnal Sistem Komputer UNIKOM
Divisions:	Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Komputer (D3)
Depositing User:	Admin Repository
Date Deposited:	28 Nov 2016 12:06
Last Modified:	28 Nov 2016 12:06
URI:	http://repository.unikom.ac.id/id/eprint/30342

Actions (login required)

View Item