Penerapan Algoritma K-NN (K-Nearest Neighbor) untuk Model Prediksi Kelulusan Mahasiswa

Abstract

Tingkat kelulusan mahasiswa sangat mempengaruhi akreditasi suatu perguruan tinggi. Yang dimana akreditasi ini seringkali dijadikan tolak ukur oleh perusahaan untuk menerima pelamar karena nilai akreditasi suatu perguruan tinggi dapat menjadi cerminan dari kualitas pendidikannya. Untuk itu, penelitian ini bertujuan untuk memprediksi kelulusan mahasiswa prodi Teknik Informatika di Universitas Muhammadiyah Kalimantan Timur. Yang dimana melalui pengumpulan data yudisium, IPS (Indeks Prestasi Semester), dan SKS (Sistem Kredit Semester) semester 1 – 7 pada mahasiswa angkatan 2017 – 2020 lalu menggunakan algoritma K-NN (K Nearest Neighbor) pada angkatan 2017 – 2019 untuk mendapatkan hasil akurasi prediksi yang tinggi, lalu menerapkan model algoritma tersebut pada data mahasiswa angkatan 2020. Dalam penelitian ini, data nilai IPS dan SKS digunakan sebagai atribut. Dataset dibagi menjadi data training 75% dan data testing 25% untuk mengevaluasi kinerja model. Evaluasi model dilakukan dengan mengukur akurasi untuk memastikan bagusnya model yang digunakan. Hasil penelitian menunjukkan bahwa algoritma K-NN memiliki kinerja yang baik dalam memprediksi kelulusan mahasiswa dengan tingkat akurasi 71,70% dengan nilai K = 5. Analisis lebih lanjut menunjukkan bahwa nilai K yang diambil dan pembagian data training dan data testing mempunyai pengaruh yang signifikan dalam memprediksi kelulusan. Penelitian ini menyimpulkan bahwa algoritma K-NN dapat diandalkan sebagai alat bantu dalam proses penentuan strategi pendidikan dan pendampingan akademik mahasiswa.