Implementasi Algoritma K-Nearest Neighbor Sebagai Pendukung Keputusan Klasifikasi Penerima Beasiswa PPA dan BBM
Abstrak: Sejalan dengan
pertumbuhan dalam bidang akademik khususnya perguruan tinggi, beasiswa merupakan
masalah yang menarik untuk diteliti. Beberapa penelitian dalam bidang komputer
untuk penyeleksian atau klasifikasi beasiswa telah banyak dilakukan dalam
meminimalisir adanya kekeliruan pihak akademik dalam pemberian beasiswa.
Penelitian ini membahas tentang klasifikasi beasiswa peningkatan prestasi
akademik (PPA) dan bantuan belajar mahasiswa (BBM) berdasarkan variabel-variabel
yang telah ditentukan dengan menerapkan algoritma k-nearest neighbor. Proses
penyeleksian penerima beasiswa peningkatan prestasi akademik dan bantuan
belajar mahasiswa membutuhkan sebuah sistem pendukung keputusan (SPK) untuk
membantu memberikan solusi yang alternatif. Hasil klasifikasi dari sistem ini
akan digunakan sebagai keputusan dalam pemberian beasiswa bagi mahasiswa yang
mengajukannya. Hasil testing untuk mengukur performa algoritma k-nearest
neighbor menggunakan metode cross validation, Confusion Matrix dan kurva
Receiver Operating Characteristic(ROC), akurasi yang diperoleh untuk beasiswa
peningkatan prestasi akademik mencapai 88,33% dengan nilai Area Under
Curva(AUC) 0,925 dari 227 record dataset, sedangkan akurasi yang diperoleh
untuk beasiswa Bantuan belajar mahasiswa mencapai 90% dengan nilai AUC 0,937
dari 183 record dataset, akurasi yang diperoleh untuk gabuangan beasiswa
peningkatan prestasi akademik dan bantuan belajar mahasiswa mencapai 85,56% dan
nilai AUC 0,958. Karena nilai AUC berada dalam rentang 0,9 sampai 1,0 maka
metode tersebut masuk dalam kategori sangat baik (excellent).
Penulis: Sumarlin
Kode Jurnal: jptinformatikadd150243
