PENERAPAN ALGORITMA K-NEAREST NEIGHBOR (K-NN) DALAM MENENTUKAN PENERIMA BEASISWA PENINGKATAN PRESTASI AKADEMIK DI UNISNU JEPARA

NOVIA KRIS MULYANI, 161240000511 (2020) PENERAPAN ALGORITMA K-NEAREST NEIGHBOR (K-NN) DALAM MENENTUKAN PENERIMA BEASISWA PENINGKATAN PRESTASI AKADEMIK DI UNISNU JEPARA. Skripsi thesis, UNISNU Jepara.

[img]
Preview
Text
161240000511_COVER.pdf - Published Version

Download (3MB) | Preview
[img]
Preview
Text
161240000511_BAB I.pdf - Published Version

Download (1MB) | Preview
[img]
Preview
Text
161240000511_BAB II.pdf - Published Version

Download (3MB) | Preview
[img]
Preview
Text
161240000511_BAB III.pdf - Published Version

Download (1MB) | Preview
[img]
Preview
Text
161240000511_BAB IV.pdf - Published Version

Download (5MB) | Preview
[img]
Preview
Text
161240000511_BAB V.pdf - Published Version

Download (367kB) | Preview
[img]
Preview
Text
161240000511_DAFTAR PUSTAKA.pdf - Published Version

Download (932kB) | Preview
[img]
Preview
Text
161240000511_LAMPIRAN.pdf - Published Version

Download (21MB) | Preview

Abstract

Beasiswa Peningkatan Prestasi Akademik (PPA) merupakan bentuk apresiasi pemerintah Republik Indonesia terhadap dunia pendidikan. Beasiswa disalurkan untuk setiap Perguruan Tinggi, salah satunya UNISNU Jepara. Akan tetapi penyeleksian dan penetapan penerimanya masih menggunakan cara manual yaitu menyeleksi satu-persatu data pendaftar. Dari permasalahan tersebut maka dibutuhkan suatu metode untuk menentukan penerima beasiswa agar cepat, tepat, dan akurat. Data yang digunakan pada penelitian ini sebanyak 1.265 memiliki 16 atribut yaitu program studi, Nomor Induk Mahasiswa (NIM), fakultas, nama, jenis kelamin, semester, Indeks Prestasi Kumulatif (IPK), pekerjaan orang tua/wali, jumlah tanggungan, penghasilan, prestasi, alamat, nomor handphone mahasiswa, angkatan, status penerimaan tahun sebelumnya dan keterangan. Data tersebut kemudian diolah pada tools RapidMinner menggunakan metode klasifikasi Algoritma K-Nearest Neighbor (K-NN) dengan 8 atribut yaitu nama, Indeks Prestasi Kumulatif (IPK), pekerjaan orang tua/wali, jumlah tanggungan, penghasilan, prestasi, status penerimaan tahun sebelumnya, keterangan, dan dilakukan pengujian model menggunakan K-fold cross validation serta confusion matrix untuk evaluasi dan validasi hasil. Didapat hasil akurasi sebesar 92.31%.

Item Type: Thesis (Skripsi)
Additional Information: Pembimbing I : R. Hadapiningradja Kusumodestoni, S.Kom., M.Kom. Pembimbing II : Ir. Adi Sucipto, M.Kom.
Uncontrolled Keywords: Beasiswa Peningkatan Prestasi Akademik (PPA), Algoritma K-Nearest Neighbor (K-NN), K-fold cross validation, Confusion matrix, RapidMinner.
Subjects: 000 Karya Umum > 000 Ilmu Umum dan Komputer > 001 Ilmu Pengetahuan > 001.4 Riset, Metode Statistik
000 Karya Umum > 000 Ilmu Umum dan Komputer > 004 Pemrosesan Data, Ilmu Komputer, Teknik Informatika
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: Admin Perpustakaan Unisnu
Date Deposited: 30 Nov 2021 08:12
Last Modified: 30 Nov 2021 08:12
URI: http://eprints.unisnu.ac.id/id/eprint/658

Actions (login required)

View Item View Item