(0721) 8030188    pusat@itera.ac.id   

PREDIKSI KELOMPOK KEILMUAN TUGAS AKHIR MAHASISWA MENGGUNAKAN METODE KNN+ (STUDI KASUS : PROGRAM STUDI TEKNIK INFORMATIKA INSTITUT TEKNOLOGI SUMATERA)


Berdasarkan kurikulum 2020, saat ini program studi Teknik Informatika Institut Teknologi Sumatera memiliki 3(tiga) kelompok keilmuan diantaranya artificial intelegence dan data engineering (AIDE), keamanan siber dan pervasif (KASPER), dan rekayasa perangkat lunak dan sistem informasi (RPLSI). Program studi Teknik Informatika membebaskan mahasiswa untuk memilih bidang tugas akhirnya di antara ketiga pilihan kelompok keilmuan tersebut. Namun yang menjadi kendala saat ini, mahasiswa sering mengalami hambatan dalam mengerjakan tugas akhirnya dikarenakan kurang menguasai ilmu yang ada pada kelompok keilmuan tugas akhirnya. Oleh sebab itu pada penelitian ini, peneliti membuat sebuah sistem yang dapat mengklasifikasikan serta memprediksi kelompok keilmuan tugas akhir mahasiswa melalui rekam jejak nilai mata kuliah wajib mahasiswa serta mata kuliah pilihan yang ada pada teknik informatika menggunakan metode improved k-nearest neighbor (KNN+). Dari 57 data yang digunakan dalam penelitian ini, model dataset dengan menggunakan information gain memiliki tingkat akurasi 77,19% pada nilai k yang optimal yaitu 14 dalam melakukan klasifikasi kelompok keilmuan. Selain itu pada pengujian terhadap 16 data yaitu membandingkan hasil prediksi sistem dengan kelompok keilmuan tugas akhir mahasiswa, didapatkan hasil akurasi senilai 68,75% pada nilai k = 7. Maka dapat disimpulkan bahwa sistem dengan metode KNN+ ini dapat melakukan prediksi kelompok keilmuan tugas akhir mahasiswa. Kata kunci : imporved k-nearest neighbor, knn+, kelompok keilmuan, prediksi akurasi

URI
https://repo.itera.ac.id/depan/submission/SB2106080007

Keyword