Implementasi Metode Fuzzy K-Nearest Neighbor Dalam Memprediksi Tingkat Kelulusan Mahasiswa
Kata Kunci:
Fuzzy, KNN, Kelulusaan, Data Mining, PrediksiAbstrak
Belum adanya sistem prediksi yang dapat memberikan analisis prediksi terhadap tingkat kelulusan mahasiswa menjadi alasan dilakukannya penelitian terhadap prediksi tingkat tingkat kelulusan mahasiswa. Menentukan prediksi tingkat kelulusan mahasiswa dalam jumlah besar tidak mungkin dilakukan secara manual karena membutuhkan waktu yang cukup lama. Untuk itu dibutuhkan sebuah algoritma yang dapat mengkategorisasikan prediksi tingkat kelulusan mahasiswa secara komputasi. Metode Fuzzy dan Metode KNN atau K-Nearest Neighbor dipilih sebagai algoritma untuk melakukan proses prediksi. Di dalam penelitian ini menggunakan 10 kriteria sebagai bahan untuk memprediksi tingkat kelulusan mahasiswa yang terdiri dari: NPM, Nama Mahasiswa, Indeks prestasi semester 1, Indeks prestasi semester 2, Indeks prestasi semester 3, Indeks prestasi semester 4, SPMB, Asal SMA, Jenis Kelamin, dan Masa Studi. Proses fuzzyfikasi bertujuan untuk mengubah nilai dari indeks prestasi semester satu sampai indeks prestasi semester empat menjadi tiga himpunan nilai fuzzy yaitu memuaskan, sangat memuaskan, dan cumlaude. Melakukan prediksi untuk meningkatkan mutu mahasiswa serta mengimplementasikan metode KNN kedalam prediksi, dimana ada beberapa atribut yang telah preprocess data sehingga diperoleh suatu nilai, dan nilai tersebut dibandingkan dengan data training, sehingga menghasilkan prediksi mahasiswa yang lulus akan tepat waktu dan mahasiswa yang lulus akan terlambat. Penelitian ini menghasilkan suatu prediksi tingkat kelulusan mahasiswa dan tingkat akurasi.
Referensi
Abidin, Z. (2013). Model Evaluasi Performa Mahasiswa Tahun Pertama Melalui Pendekatan Fuzzy Inference System dengan Metode Tsukamoto. Seminar Nasional Aplikasi Teknologi Informasi (SNATI), 1(1).
Ahmad, I., Sulistiani, H., & Saputra, H. (2018). The Application Of Fuzzy K-Nearest Neighbour Methods For A Student Graduation Rate. Indonesian Journal of Artificial Intelligence and Data Mining, 1(1), 47–52.
Aldino, A. A., Darwis, D., Prastowo, A. T., & Sujana, C. (2021). Implementation of K-means algorithm for clustering corn planting feasibility area in south lampung regency. Journal of Physics: Conference Series, 1751(1), 12038.
Alim, S., Lestari, P. P., & Rusliyawati, R. (2020). Sistem Pakar Diagnosa Penyakit Tanaman Kakao Menggunakan Metode Certainty Factor Pada Kelompok Tani Pt Olam Indonesia (Cocoa) Cabang Lampung. Jurnal Data Mining Dan Sistem Informasi, 1(1), 26–31.
Alita, D., Sari, I., Isnain, A. R., & Styawati, S. (2021). Penerapan Naïve Bayes Classifier Untuk Pendukung Keputusan Penerima Beasiswa. Jurnal Data Mining Dan Sistem Informasi, 2(1), 17–23.
Ariyanti, D., & Iswardani, K. (2020). Teks Mining untuk Klasifikasi Keluhan Masyarakat Pada Pemkot Probolinggo Menggunakan Algoritma Naïve Bayes. Jurnal IKRA-ITH Informatika, 4(3), 125–132.
Bakri, M. (2017). Penerapan Data Mining untuk Clustering Kualitas Batu Bara dalam Proses Pembakaran di PLTU Sebalang Menggunakan Metode K-Means. Vol, 11, 1–4.
Borman, R. I., Mayangsari, M., & Muslihudin, M. (2018). Sistem Pendukung Keputusan Menentukan Lokasi Perumahan Di Pringsewu Selatan Menggunakan Fuzzy Multiple Attribute Decision Making. Jurnal Teknologi Komputer Dan Sistem Informasi, 1(1), 5–9.
FAHRIZQI, E. K. O. B. (2013). PENGARUH LATIHAN KELENTUKAN KONTRAKSI-RELAKSASI (PNF) DAN KELENTUKAN STATIS TERHADAP KETERAMPILAN GERAK KAYANG PADA SISWA KELAS X. 3 SMA NEGERI 1 GADING REJO TAHUN AJARAN 2012/2013.
Giovani, A. P., Ardiansyah, A., Haryanti, T., Kurniawati, L., & Gata, W. (2020). Analisis Sentimen Aplikasi Ruang Guru Di Twitter Menggunakan Algoritma Klasifikasi. Jurnal Teknoinfo, 14(2), 115. https://doi.org/10.33365/jti.v14i2.679
Isnain, A. R., Sakti, A. I., Alita, D., & Marga, N. S. (2021). SENTIMEN ANALISIS PUBLIK TERHADAP KEBIJAKAN LOCKDOWN PEMERINTAH JAKARTA MENGGUNAKAN ALGORITMA SVM. Jurnal Data Mining Dan Sistem Informasi, 2(1), 31–37.
Isnain, A. R., Supriyanto, J., & Kharisma, M. P. (n.d.). Implementation of K-Nearest Neighbor (K-NN) Algorithm For Public Sentiment Analysis of Online Learning. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 15(2), 121–130.
Kisworo, K. (2018). FMADM: Yager Model In Fuzzy Decision Making. Jurnal Tekno Kompak, 12(1), 1–4.
Kurniawan, I., & Susanto, A. (2019). Implementasi Metode K-Means dan Naïve Bayes Classifier untuk Analisis Sentimen Pemilihan Presiden (Pilpres) 2019. Eksplora Informatika, 9(1), 1–10. https://doi.org/10.30864/eksplora.v9i1.237
Logo, J. F. B., Wantoro, A., & Susanto, E. R. (2020). Model Berbasis Fuzzy Dengan Fis Tsukamoto Untuk Penentuan Besaran Gaji Karyawan Pada Perusahaan Swasta. Jurnal Teknoinfo, 14(2), 124–130.
Mittal, A., & Patidar, S. (2019). Sentiment analysis on twitter data: A survey. ACM International Conference Proceeding Series, 91–95. https://doi.org/10.1145/3348445.3348466
Muludi, K., Syarif, A., & Wantoro, A. (2021). Implementation of Fuzzy-based Model for Prediction of Prostate Cancer. Journal of Physics: Conference Series, 1751(1), 12041.
Nabila, Z., Isnain, A. R., Permata, P., & Abidin, Z. (2021). ANALISIS DATA MINING UNTUK CLUSTERING KASUS COVID-19 DI PROVINSI LAMPUNG DENGAN ALGORITMA K-MEANS. Jurnal Teknologi Dan Sistem Informasi, 2(2), 100–108.
Nasution, M. R. A., & Hayaty, M. (2019). Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen Twitter. Jurnal Informatika, 6(2), 226–235. https://doi.org/10.31311/ji.v6i2.5129
Nurkholis, A., & Sitanggang, I. S. (2020). Optimalisasi model prediksi kesesuaian lahan kelapa sawit menggunakan algoritme pohon keputusan spasial. Jurnal Teknologi Dan Sistem Komputer, 8(3), 192–200.
Putri, S. E. Y., & Surahman, A. (2019). PENERAPAN MODEL NAIVE BAYES UNTUK MEMPREDIKSI POTENSI PENDAFTARAN SISWA DI SMK TAMAN SISWA TELUK BETUNG BERBASIS WEB. Universitas Teknokrat Indonesia.
Rahmanto, Y. (2021). RANCANG BANGUN SISTEM INFORMASI MANAJEMEN KOPERASI MENGGUNAKAN METODE WEB ENGINEERING (Studi Kasus: Primkop Kartika Gatam). Jurnal Data Mining Dan Sistem Informasi, 2(1), 24–30.
Rani, L. N. (2016). Klasifikasi Nasabah Menggunakan Algoritma C4.5 Sebagai Dasar Pemberian Kredit. INOVTEK Polbeng - Seri Informatika, 1(2), 126. https://doi.org/10.35314/isi.v1i2.131
Sarasvananda, I. B. G., Anwar, C., Pasha, D., & Styawati, S. (2021). ANALISIS SURVEI KEPUASAN MASYARAKAT MENGGUNKAN PENDEKATAN E-CRM (Studi Kasus: BP3TKI Lampung). Jurnal Data Mining Dan Sistem Informasi, 2(1), 1–9.
Styawati, S., Yulita, W., & Sarasvananda, S. (2020). SURVEY UKURAN KESAMAAN SEMANTIC ANTAR KATA. Jurnal Data Mining Dan Sistem Informasi, 1(1), 32–37.
Sulistiani, H., Darwanto, I., & Ahmad, I. (2020). Penerapan Metode Case Based Reasoning dan K-Nearest Neighbor untuk Diagnosa Penyakit dan Hama pada Tanaman Karet. JEPIN (Jurnal Edukasi Dan Penelitian Informatika), 6(1), 23–28.
Tarigan, D. P., Wantoro, A., & Setiawansyah, S. (2020). SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN KREDIT MOBIL DENGAN FUZZY TSUKAMOTO (STUDI KASUS: PT CLIPAN FINANCE). TELEFORTECH: Journal of Telematics and Information Technology, 1(1), 32–37.
Wantoro, A. (2020). Penerapan Logika Fuzzy dan Profile Matching pada Teknologi Informasi Kesesuaian Antibiotic Berdasarkan Diare Akut Anak. SENASTER" Seminar Nasional Riset Teknologi Terapan", 1(1).
Wantoro, A. (2017). PENERAPAN LOGIKA FUZZY PADA CONTROL SUARA TV SEBAGAI ALTERNATIVE MENGHEMAT DAYA LISTRIK. Prosiding Seminar Nasional Metode Kuantitatif, 1.
Wantoro, A., Admi Syarif, A. S., Berawi, K. N., & Lukman, P. (2020). Peer Review: Application-Based on Fuzzy Tsukamoto And Profile Matching for Combination Drugs Recommendations in Patients Hypertension with Complications.
