Metode K-Nearest Neighbor Untuk Prediksi Penerimaan SNMPTN Berdasarkan Nilai Rapor - Repositori Universitas Negeri Malang

Metode K-Nearest Neighbor Untuk Prediksi Penerimaan SNMPTN Berdasarkan Nilai Rapor

Maulana, Aris (2019) Metode K-Nearest Neighbor Untuk Prediksi Penerimaan SNMPTN Berdasarkan Nilai Rapor. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN) merupakan salah satu jalur seleksi penerimaan mahasiswa untuk memasuki Perguruan Tinggi Negeri (PTN) di Indonesia. Dikarenakan SNMPTN memiliki kuota penerimaan sebesar 20%, jadi dengan memprediksi jalur tersebut nantinya akan membantu siswa dalam menentukan keputusan ketika ingin mendaftar SNMPTN. Penelitian ini menguji kinerja salah satu algortima data mining dalam hal memprediksi diterima atau tidaknya seorang siswa dalam SNMPTN. Metode K-Nearest Neighbor merupakan metode yang baik dalam training data dengan tingkat noise yang tinggi serta K-Nearest Neighbor juga efektif dalam training data yang besar dan baik digunakan ketika atribut yang digunakan bertipe numerik. Dengan menggunakan metode K-Nearest Neighbordalam implementasinya diharapkan dapat memprediksi kesempatan diterima di PTN yang diinginkan. Datasetyang digunakan berasal dari nilai rapot alumni SMAN 1 Pakong, SMAN 8 Kediri dan SMAN 1 Pamekasan dengan menggunakan input rata-rata dari semester 1 sampai semester 5, mata pelajaran wajib dan jurusan.Dataset yang digunakan memiliki masalah imbalance class sehingga membutuhkan tahap preprocessing, dengan menggunakan metode SMOTE yang digunakan untuk menyelesaikan masalah imbalance class. Penelitian ini menghasilkankeluaran yangakan berupa keterangan apakah siswa memiliki kesempatan diterima SNMPTN atau tidak.K-Nearest Neighbordengan SMOTE memiliki performa terbaik ketika K = 3 yang memiliki nilia akurasi 80,08%, precision 74,42%, recall 91,68% dan error rate 19,91%.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Nilai Rapor, K-Nearest Neighbor, SMOTE, Klasifikasi, SNMPTN
Subjects: Q Science > QA Mathematics > QA76 Computer software
Divisions: Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika
Depositing User: mr mahasiswa UM
Date Deposited: 01 Mar 2022 04:38
Last Modified: 01 Mar 2022 04:38
URI: http://repository.um.ac.id/id/eprint/1270

Actions (login required)

View Item View Item