ANALISIS AKURASI JARAK PREDIKTOR PADA METODE K-NEAREST NEIGHBOR (KNN) UNTUK MENGETAHUI KINERJA MAHASISWA JURUSAN MANAJEMEN INFORMATIKA

Fransiska, Emilia (2025) ANALISIS AKURASI JARAK PREDIKTOR PADA METODE K-NEAREST NEIGHBOR (KNN) UNTUK MENGETAHUI KINERJA MAHASISWA JURUSAN MANAJEMEN INFORMATIKA. Diploma thesis, Politeknik Negeri Sriwijaya.

Preview	Text (Abstrak) ABSTRAK.pdf - Published Version Download (34kB) | Preview
	Text (Bab l) File BAB I.pdf - Published Version Restricted to Repository staff only Download (482kB)
	Text (Bab II) File BAB II.pdf - Published Version Restricted to Repository staff only Download (973kB)
	Text (Bab III) File BAB III.pdf - Published Version Restricted to Repository staff only Download (1MB)
Preview	Text (Cover) Cover.pdf - Published Version Download (772kB) | Preview
	Text (Bab IV) File BAB IV.pdf - Published Version Restricted to Repository staff only Download (2MB)
	Text (Bab V) File BAB V.pdf - Published Version Restricted to Repository staff only Download (457kB)
	Text (Daftar Pustaka) File Daftar Pustaka.pdf - Published Version Restricted to Repository staff only Download (327kB)
	Text (Lampiran) File Lampiran.pdf - Published Version Restricted to Repository staff only Download (3MB)
	Text (Cover Dan Tugas Akhir Lengkap) TA_EMILIA FRANSISKA (2).pdf - Published Version Restricted to Repository staff only Download (9MB)

Abstract

Perkembangan teknologi informasi mendorong institusi pendidikan untuk memanfaatkan metode analisis data dalam meningkatkan mutu proses akademik. Penelitian ini membahas penerapan algoritma K-Nearest Neighbor (KNN) dalam menganalisis performa mahasiswa Jurusan Manajemen Informatika. Fokus utama penelitian ini adalah mengevaluasi tingkat akurasi dari berbagai metode perhitungan jarak yakni Euclidean, Manhattan,dan Minkowski untuk mengidentifikasi prediktor terbaik dalam klasifikasi kelulusan mahasiswa. Data akademik yang digunakan mencakup nilai, kehadiran, serta aspek non-akademik seperti perilaku mahasiswa. Melalui pendekatan KNN, sistem dapat memetakan kemiripan data mahasiswa terhadap data historis yang telah diklasifikasikan sebelumnya, sehingga mampu memberikan prediksi yang lebih akurat terhadap status kelulusan mahasiswa. Penelitian ini juga menguji nilai parameter k yang optimal dalam proses klasifikasi. Hasil analisis diharapkan dapat membantu dosen maupun pihak akademik dalam mendeteksi mahasiswa yang berisiko tidak lulus tepat waktu dan menyusun strategi pembinaan yang lebih efektif. Dengan demikian, penerapan metode KNN dalam evaluasi akademik tidak hanya meningkatkan akurasi prediksi, tetapi juga mendukung pengambilan keputusan yang lebih tepat sasaran dalam lingkungan pendidikan tinggi. Kata Kunci : Klasifikasi Kelulusan, K-Nearest Neighbor (KNN), Analisis Data Mahasiswa

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Klasifikasi Kelulusan, K-Nearest Neighbor (KNN), Analisis Data Mahasiswa
Subjects:	T Technology > T Technology (General)
Divisions:	Informatics Management > Undergraduate Theses
Depositing User:	Pustaka Manajemen Informatika
Date Deposited:	08 Aug 2025 03:26
Last Modified:	08 Aug 2025 03:26
URI:	http://eprints.polsri.ac.id/id/eprint/16793

Actions (login required)

View Item