Skripsi

Metode K-Nearest Neighbor untuk prediksi penerimaan SNMPTN berdasarkan nilai rapor / Aris Maulana

Abstrak
Judul Karya Ilmiah Aris Maulana S1 Teknik Informatika RINGKASAN Maulana Aris. 2019. Metode K-Nearest Neighbor Untuk Prediksi Penerimaan SNMPTN Berdasarkan Nilai Rapor. Skripsi. Jurusan Teknik Elektro Fakultas Teknik Universitas Negeri Malang. Pembimbing (I) Utomo Pujianto S.Kom. M.Kom. Pembimbing (II) Harits Ar Rosyid S.T. M.T. Ph.D. Kata kunci Nilai Rapor K-Nearest Neighbor SMOTE Klasifikasi SNMPTN Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN) merupakan salah satu jalur seleksi penerimaan mahasiswa untuk memasuki Perguruan Tinggi Negeri (PTN) di Indonesia. Dikarenakan SNMPTN memiliki kuota penerimaan sebesar 20% jadi dengan memprediksi jalur tersebut nantinya akan membantu siswa dalam menentukan keputusan ketika ingin mendaftar SNMPTN. Penelitian ini menguji kinerja salah satu algortima data mining dalam hal memprediksi diterima atau tidaknya seorang siswa dalam SNMPTN. Metode K-Nearest Neighbor merupakan metode yang baik dalam training data dengan tingkat noise yang tinggi serta K-Nearest Neighbor juga efektif dalam training data yang besar dan baik digunakan ketika atribut yang digunakan bertipe numerik. Dengan menggunakan metode K-Nearest Neighbor dalam implementasinya diharapkan dapat memprediksi kesempatan diterima di PTN yang diinginkan. Dataset yang digunakan berasal dari nilai rapot alumni SMAN 1 Pakong SMAN 8 Kediri dan SMAN 1 Pamekasan dengan menggunakan input rata-rata dari semester 1 sampai semester 5 mata pelajaran wajib dan jurusan. Dataset yang digunakan memiliki masalah imbalance class sehingga membutuhkan tahap preprocessing dengan menggunakan metode SMOTE yang digunakan untuk menyelesaikan masalah imbalance class. Penelitian ini menghasilkan keluaran yang akan berupa keterangan apakah siswa memiliki kesempatan diterima SNMPTN atau tidak. K-Nearest Neighbor dengan SMOTE memiliki performa terbaik ketika K 3 yang memiliki nilia akurasi 80 08% precision 74 42% recall 91 68% dan error rate 19 91%.

Informasi Detail

DDC

Rs 005.1 MAU m

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2019.

Deskripsi Fisik

xiv, 89 lembar : il., tab. ; 30 cm

Bahasa

Indonesia

No Reg

03417/KI/19

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2019

Subjek

1. ALGORITMA KOMPUTER
2. K- NEAREST NEIGHBOR
3. COMPUTER ALGORITHMS

Pembimbing

1. Utomo Pujianto; 2. Harits Ar Rosyid

Lampiran Berkas