IMPLEMENTASI METODE K-NEARST NEIGHBOR (K-NN) MEMPREDIKSI NILAI AKADEMIK MAHASISWA BERDASARKAN INDEKS PRESTASI SEMESTER
Abstract Views : 84 / Downloads Count: 89DOI:
https://doi.org/10.31949/infotech.v10i1.8066Keywords:
Aplikasi, K-Nearst Neighbor, WaterfallAbstract
Perguruan tinggi, seperti Universitas Majalengka, memiliki peran penting dalam memberikan pendidikan akademik dan profesional. Untuk meningkatkan kualitas layanan akademik, Fakultas Teknik Universitas Majalengka merancang aplikasi berbasis web menggunakan metode K-Nearest Neighbor (KNN) untuk memprediksi perkembangan Indeks Prestasi (IP) mahasiswa. Dengan tujuan memantau dan membantu mahasiswa dalam merencanakan studi mereka, aplikasi ini menggabungkan teknologi informasi dan algoritma KNN. Hasil penelitian menunjukkan bahwa aplikasi ini berhasil memprediksi kemajuan IP mahasiswa secara akurat. Dosen pembimbing akademik dapat menggunakan prediksi ini untuk memberikan pendampingan kepada mahasiswa yang berpotensi mengalami penurunan nilai. Dengan pendekatan waterfall dalam pengembangan sistem aplikasi, serta implementasi metode KNN, aplikasi ini menjadi alat yang berharga dalam meningkatkan kualitas pendidikan di Fakultas Teknik Universitas Majalengka. Dengan demikian, aplikasi ini membawa manfaat bagi dosen, Fakultas
Teknik, dan mahasiswa, membantu mereka dalam merencanakan strategi peningkatan prestasi akademik. Dengan pemanfaatan teknologi dan prediksi yang tepat, aplikasi ini mendukung pencapaian visi dan misi Fakultas Teknik untuk berperan aktif dalam pembangunan teknologi, ilmu pengetahuan, dan seni nasional.
Downloads
References
Asrory Faris, I. D. (2020). Aplikasi Prediksi Kelulusan Mahasiswa Tepat Waktu. Jati (Jurnal Mahasiswa Teknik Informatika), 105.
Dr. Haryanto, M. (2020). Evaluasi Pembelajaran (Konsep Dan Manajemen). Yogyayarta: UNY Press.
Ernawati dan Tjalla, A. (2005). Hubungan Komunikasi Interpersonal Antara Mahasiswa dan Dosen dengan Prestasi Akademik Mahasisawa Fakultas Psikologi Universitas Gunadarma. Publikasi Ilmiah. Jakarta: fakultas psikologi Universitas Gunadarma.
Faruqhy Naufal Muhammad, A. D. (2021). Prediksi Prestasi Nilai Akademik Mahasiswa Berdasarkan Jalur Masuk Perguruan Tinggi Menggunakan Metode Multiple Linear Regression(Studi Kasus: Fakultas Teknik Universitas Bengkulu. . Jurnal Rekursif, 173.
Jasmir, A. Z. (2017). Penerapan Metode K-Nearest Neighbor Dalam Memprediksi. Computer Scince and ICT, 134.
Kemdikbud. (2011). KEPUTUSAN MENTERI PENDIDIKAN NASIONAL REPUBLIK INDONESIA NOMOR 234/U/2000 TENTANG PEDOMAN PENDIRIAN PERGURUAN TINGGI. Jakarta: Kemdikbud.
Kemendikbudristek. (2022, Febuari 24). https://www.kemdikbud.go.id/. Retrieved from kemendikbudristek: https://www.kemdikbud.go.id/main/blog/2022/02/ruu-sistem-pendidikan-nasional-masih-tahap-perencanaan-kemendikbudristek-libatkan-publik#:~:text=RUU%20tentang%20sistem%20pendidikan%20nasional,Tahun%202012%20tentang%20Pendidikan%20Tinggi.
Pengetahuan, K. (2020, Agustus 05). Kanal Pengetahuan. Retrieved from Kanal Pengetahuan: https://www.kanal.web.id/pengertian-prediksi
Sahar. (December 2020). Analisis Perbandingan Metode K-Nearest Neighbor dan Naïve Bayes Classiffier pada Data Set Penyakit Jantung. Indonesian Journal of Data and Science (IJODAS), Vol 1, No 3, 79-86.
Sujana, N. (2009). Penilaian Hasil Proses Belajar Mengajar. Bandung: PT Remaja Rosdakarnya.
Suryabrata, S. (2002). Psikologi Pendidikan. Jakarta: PT. Grafindo Perkasa.
Yuni Ambar S, K. H. (2019). Penerapan Algoritma K-Nearest Neighbour Dalam Menentukan Pembinaan Koperasi Kabupaten Kotawaringin Timur. Citec Journal, Vol. 5, No. 3, Mei 2018 – Juli 2018, Universitas AMIKOM Yogyakarta, 232-241.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Dede Abdurahman, Suhendri, Deffy Susanti, Dede Didin
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
