Usability Algoritma Supervised Learning Untuk Prediksi Kelulusan Mahasiswa pada Sistem Bimbingan Akademik
Usability Algoritma Supervised Learning Untuk Prediksi Kelulusan Mahasiswa pada Sistem Bimbingan Akademik
DOI:
https://doi.org/10.33022/ijcs.v11i3.3101Keywords:
Bimbingan, Prediksi, Lulusan, K-Nearest NeighborAbstract
Tugas perguruan tinggi sebagai wadah pengembangan kebutuhan masyarakat melalui tingkat program studi harus meningkatkan kompetensinya. Langkah yang diambil adalah dengan menciptakan dan mengembangkan teknologi informasi dalam kegiatan akademik. Salah satunya menyediakan sistem informasi layanan bimbingan akademik untuk mendukung keputusan dan memudahkan penyediaan data bagi program studi. Pada saat ini layanan bimbingan akademik terhadap mahasiswa persemester pada prodi yang ada di Fakultas Sains dan Teknologi UIN Sumatera Utara Medan, dilakukan secara manual yaitu menggunakan buku bimbingan akademik sebagai bukti kegiatan. Buku bimbingan memberikan informasi profil mahasiswa, ipk, total sks, masa penyelesaian akademik. Dimana variabel tersebut dapat digunakan untuk memprediksi kelulusan mahasiswa. Data yang digunakan total lulus pada program studi Sistem Informasi dan ilmu komputer sebanyak 301 data. Algoritma K-Nearest Neighbor (K-NN) untuk menghitung data latih dan uji, dimana perbandingan data yang akan digunakan 80%:20% yaitu 211 data latih dan 90 data uji, dan hasil prediksi lulusan mahasiswa dengan euclidian K= 3.
Downloads
Published
Issue
Section
License
Copyright (c) 2022 Sriani Sriani
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.