Penerapan Data Mining Untuk Penentuan Penerima Beasiswa Dengan Metode K-Nearest Neighbor (K-NN)
DOI:
https://doi.org/10.30595/techno.v24i1.9084Abstract
Dalam beberapa instansi pengelolaan beasiswa masih menggunakan microsoft excel dan pemilihan penerima beasiswa masih menggunakan seleksi administrasis ecara manual. Salah satu pengolahan data dalam jumlah yang besar adalah data mining. Oleh karena itu penelitian ini bertujuan untuk menerapkan data mining dengan metode k-nearest neighbor (K-NN) untuk penentuan penerima beasiswa. Metode pengumpulan data dengan metode data private, studi literatur, dan wawancara. Tahapan data mining yaitu cleaning, selection, transformation, knowledge deiscovery, pattern evaluation, knowledge presentation. Pengujian sistem yaitu dengan menggunakan confusion matrix untuk mengetahui nilai akurasi. Hasil dari penelitian ini adalah klasifikasi untuk menentukan penerima beasiswa menggunakan metode k-nearest neighbor dimana hasil pengujian dengan confusion matrix dan kurva ROC (Receiver Operation Characteristic) di peroleh hasil akurasi terbaik sebesar 77% dengan nilai AUC (Area Under Curve) 0,90 dari jumlah data training 115, data testing 555 dan nilai K adalah 4. Karena nilai AUC berada diantara rentang 0.80 – 0.90, maka metode tersebut termasuk dalam kategori good classification (sangat baik).
References
[1] Y. S. Nugroho, “Klasifikasi dan Klastering Mahasiswa Informatika Universitas Muhammadiyah Surakarta,” in University Research Colloquium (URECOL), 2015, pp. 89–98.
[2] E. Turban, J. E. Aronson, T.-P. Lian, and D. Prabatini, DECISION support systems and intelligent systems (sistem pendukung keputusan dan sistem cerdas). Andi Offset, 2005.
[3] Sumarlin, “Implementasi Algoritma K-Nearest Neighnor Sebagai Pendukung Keputusan Klasifikasi Penerima Beasiswa PPA dan BBM,” J. Sist. Inf. Bisnis, vol. 5, no. 1, pp. 52–62, 2015.
[4] Merluarini, Bisri, Safitri, Diah, and H. Abdul, “Perbandingan Analisis Klasifikasi Menggunakan Metode K-Nearest Neighbour (K-NN) dan Multivariate Adaptive Regression Spline (MARS) pada Data Akreditasi Sekolah Dasar Negeri di Kota Semarang,” Gaussian, vol. 3, no. 3, 2014.
[5] H. Risman, D. Nugroho, and Y. R. WU, “Penerapan Metode K-Nearest Neighbor Pada Aplikasi,” Jural TIKomSiN, vol. 3, no. 2, pp. 19–25, 2013.
[6] A. Musthafa, H. Suyono, and M. Sarosa, “Perbandingan Kinerja Algoritma C . 45 dan AHP-TOPSIS Sebagai Pendukung Keputusan Proses Seleksi Penerima Beasiswa,” J. EECCIS, vol. 9, no. 2, pp. 109–114, 2015.
[7] R. A. Saputra and S. Ayuningtias, “PENERAPAN ALGORITMA NAÏVE BAYES UNTUK PENENTUAN CALON PENERIMA BEASISWA PADA SMK PASIM PLUS SUKABUMI,” vol. IV, no. 2, pp. 114–120, 2016.
[8] F. Gorunescu, Data mining: concepts and techniques. Berlin: Springer, 2011.
[9] J. P. Jiawei Han, Micheline Kamber, Data Mining: Concept and Techniques Thrid Edition, Thrid Edit. USA: Elsevier, 2012.
[10] E. Prasetyo, Data Mining. Yogyakarta: Andi Offset, 2012.
[11] T. Mitsa, Temporal Data Mining. USA, 2010.
Downloads
Published
Issue
Section
License
Authors who publish with this journal agree to the following terms:
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
Techno (Jurnal Fakultas Teknik, Universitas Muhammadiyah Purwokerto) is licensed under a Creative Commons Attribution 4.0 International License.
