Penerapan Algoritma K-Nearest Neighbor (K-NN) untuk Memprediksi Kelulusan Mahasiswa Menggunakan RapidMiner.
DOI:
https://doi.org/10.35473/jamastika.v4i2.4482Abstract
Prediksi kelulusan mahasiswa dapat membantu perguruan tinggi dalam meningkatkan mutu dan efisiensi penyelenggaraan pendidikan. Penelitian ini bertujuan untuk membangun model klasifikasi kelulusan mahasiswa dengan bantuan metode K-Nearest Neighbor yang diterapkan melalui perangkat lunak RapidMiner. Data yang digunakan mencakup berbagai atribut akademik dan administratif mahasiswa, dan telah melalui tahap prapemrosesan seperti normalisasi dan penetapan label. Hasil menunjukkan bahwa algoritma K-NN mampu mencapai akurasi sebesar 95,88%, terutama fokus pada klasifikasi mahasiswa dengan kelulusan sesuai waktu yang ditentukan, hal ini membuktikan bahwa algoritma K-NN mampu digunakan sebagai perangkat yang berperan signifikan dalam proses evaluasi dan pengambilan keputusan akademik
Kata Kunci: Klasifikasi, K-NN, RapidMiner, Kelulusan Mahasiswa, Data Mining
Student graduation prediction can help universities improve the quality and efficiency of education delivery. This study aims to build a classification model using the K-Nearest Neighbor (K-NN) method implemented through RapidMiner software. The dataset consists of various academic and administrative attributes of students and has been processed through several stages, including normalization and labeling. The results show that the K-NN algorithm achieves an accuracy of 95.88%, particularly in classifying students who graduate within the specified time, indicating that this algorithm can serve as a reliable tool to support evaluation processes and academic decision-making
Keywords: Classification, K-NN, RapidMiner, Student Graduation, Data Mining
References
Rani, S. R., Andani, S. R., & Suhendro, D. (2019). Penerapan Algoritma K-Nearest Neighbor untuk Prediksi Kelulusan Siswa pada SMK Anak Bangsa. September, 670–676.
Saputra, A. Y., & Primadasa, Y. (2018). Penerapan Teknik Klasifikasi Untuk Prediksi Kelulusan Mahasiswa Menggunakan Algoritma K-Nearest Neighbor. Techno.Com, 17(4), 395–403. https://doi.org/10.33633/tc.v17i4.1864
Tafonao, I. P. ., & Sibero*, A. F. K. (2022). Teknik Klasifikasi Prediksi Kelulusan Mahasiswa Sistem Informasi Universitas Sari Mutiara Indonesia Menggunakan K- Nearest Neighbors. Jurnal Mahajana Informasi, 7(1), 83–90. https://doi.org/10.51544/jurnalmi.v7i1.2956
Susanto, E. S., Kusrini, K., & Al Fatta, H. (2018). Prediksi kelulusan mahasiswa magister teknik informatika Universitas Amikom Yogyakarta menggunakan metode K-Nearest Neighbor. Jurnal Teknologi Informasi Respati (JTIR), 13(2), 67–72.
Rani, S. R., Andani, S. R., & Suhendro, D. (2019). Penerapan algoritma K-Nearest Neighbor untuk prediksi kelulusan siswa pada SMK Anak Bangsa. Prosiding Seminar Nasional Teknologi Informasi dan Komunikasi (SENTIKA), 670–676.
Nikmatun, I. A., Waspada, I., & Diponegoro, U. (2019). Implementasi data mining untuk klasifikasi masa studi mahasiswa menggunakan algoritma K-Nearest Neighbor. Jurnal Sistem Informasi (JSI), 10(2), 421–432.
Suryadi, L., Ngajiyanto, N., Pratiwi, N. E., Ardhy, F., & Riswanto, P. (2022). Penerapan data mining prediksi penjualan mebel terlaris menggunakan metode K-Nearest Neighbor (K-NN) (Studi kasus: Toko Zerita Meubel). Jurnal Sistem Informasi Musirawas (JUSIM), 7(2), 174–184.
Ahmed, A. A., & Khan, M. A. (2020). A predictive model for student performance using K-Nearest Neighbor algorithm. International Journal of Advanced Computer Science and Applications (IJACSA), 11(5), 92–99.
Kumar, V., & Singh, D. (2021). Machine learning-based prediction of student academic performance using KNN and decision tree algorithms. Education and Information Technologies, 26(4), 4567–4582.
Rahman, M. M., & Islam, M. R. (2019). Predicting student performance using K-Nearest Neighbor (KNN) algorithm. International Journal of Data Science and Advanced Analytics, 5(3), 101–110.
