IMPLEMENTASI METODE K-NEAREST NEIGHBOR UNTUK PREDIKSI INDEKS PRESTASI MAHASISWA DI STMIK AKAKOM

Aditama, Ryan Sanjaya - 125410209 (2018) IMPLEMENTASI METODE K-NEAREST NEIGHBOR UNTUK PREDIKSI INDEKS PRESTASI MAHASISWA DI STMIK AKAKOM. Skripsi thesis, STMIK AKAKOM YOGYAKARTA.

[img]
Preview
Text
1_125410209_HALAMAN_DEPAN.pdf - Published Version

Download (2MB) | Preview
[img]
Preview
Text
2_125410209_BAB_I.pdf - Published Version

Download (445kB) | Preview
[img]
Preview
Text
3_125410209_BAB_II.pdf - Published Version

Download (762kB) | Preview
[img] Text
4_125410209_BAB_III.pdf - Published Version
Restricted to Repository staff only

Download (1MB) | Request a copy
[img] Text
5_125410209_BAB_IV.pdf - Published Version
Restricted to Repository staff only

Download (853kB) | Request a copy
[img]
Preview
Text
6_125410209_BAB_V.pdf - Published Version

Download (609kB) | Preview
[img]
Preview
Text
7_125410209_DAFTAR_PUSTAKA.pdf - Published Version

Download (462kB) | Preview
[img]
Preview
Text
8_125410209_CARA_MENJALANKAN_PROGRAM.pdf - Published Version

Download (691kB) | Preview
[img] Text
9_125410209_LISTING_PROGRAM.pdf - Published Version
Restricted to Repository staff only

Download (314kB) | Request a copy

Abstract

Indeks prestasi adalah angka kualitas kumulatif dibagi dengan jumlah kredit kumulatif yang dicoba dinyatakan dalam bilangan dua angka dibelakang koma, kredit atau nilai mata kuliah remidiasi (MAREM), L, TL, T, DT dan P tidak diperhitungkan dalam penentuan indeks prestasi. Di perguruan tinggi, nilai – nilai matakuliah mahasiswa mempengaruhi indeks prestasi mahasiswa. Disamping dari kegiatan perkuliahan mahasiswa, ada faktor – faktor yang mempengaruhi prestasi mahasiswa dan salah satunya adalah perilaku mahasiswa. Dibutuhkan sistem untuk memprediksi indeks prestasi mahasiswa berdasarkan dari perilaku mahasiswa. Sehingga hasil prediksi indeks prestasi mahasiswa sesuai range kategori indeks prestasi mahasiswa meliputi indeks prestasi (IP) baik (2,00 sampai 2,74), indeks prestasi (IP) memuaskan (2,75 sampai 2,99), indeks prestasi (IP) sangat memuaskan (3,00 sampai 3,49) dan indeks prestasi (IP) terpuji/cumlaude (3,50 sampai 4,00). Sistem ini dikembangkan menggunakan algoritma K-Nearest Neighbor dengan model sequensial linear yang diawali dengan tahap analisis sistem yaitu analisis deskripsi kebutuhan sistem, data flow diagram, flowchart diagram dan tahap perancangan sistem yang meliputi spesifikasi proses dan perancangan menu antarmuka. Hasil prediksi indeks prestasi mahasiswa menggunakan Metode K – Nearest Neighbor (K-NN) sesuai dengan data range ipk sesungguhnya dari masing – masing mahasiswa dengan nilai K terbaik adalah 5 dengan prosentase prediksi lebih besar sama dengan 60% berjumlah 22 data dari total data uji 25 data prosentase sebesar 88% dan prediksi kurang dari 60% (gagal prediksi) berjumlah 3 data dari total data uji 25 data dengan prosentase sebesar 12%. Kata kunci :Data Mining, Indeks Prestasi Mahasiswa, Metode K – Nearest Neighbor, PHP, Web

Item Type: Thesis (Skripsi)
Additional Information: Pembimbing : Agung Budi Prasetyo, S.Kom., M.Kom.
Uncontrolled Keywords: Kata kunci :Data Mining, Indeks Prestasi Mahasiswa, Metode K – Nearest Neighbor, PHP, Web
Subjects: A Karya Umum (General) > Ilmu Komputer (Computer Science) > Kecerdasan Buatan (Artificial Intelegence)
A Karya Umum (General) > Ilmu Komputer (Computer Science) > Kecerdasan Buatan (Artificial Intelegence)
Divisions: Jenjang Strata Satu > Teknik Informatika (Informatic Engineering)
Depositing User: Users 4929 not found.
Date Deposited: 31 Agu 2018 03:13
Last Modified: 31 Agu 2018 03:13
URI: http://eprints.akakom.ac.id/id/eprint/8195

Actions (login required)

View Item View Item