KOMPARASI METODE K-NEAREST NEIGHBOR DAN NEURAL NETWORK UNTUK MENENTUKAN TINGKAT AKURASI DALAM PREDIKSI KELULUSAN MAHASISWA (Studi Kasus: Program Studi Informatika Universitas Siliwangi)

Ramdani, Galih Farid (2023) KOMPARASI METODE K-NEAREST NEIGHBOR DAN NEURAL NETWORK UNTUK MENENTUKAN TINGKAT AKURASI DALAM PREDIKSI KELULUSAN MAHASISWA (Studi Kasus: Program Studi Informatika Universitas Siliwangi). Sarjana thesis, Universitas Siliwangi.

	Text 167006090 - 0 COVER.pdf Download (38kB)
	Text 167006090 - 1 LAMPIRAN PENGESAHAN.pdf Download (276kB)
	Text 167006090 - 2 LEMBAR PERNYATAAN KEASLIAN.pdf Download (160kB)
	Text 167006090 - 3 ABSTRAK.pdf Download (73kB)
	Text 167006090 - 4 KATA PENGANTAR.pdf Download (202kB)
	Text 167006090 - 5 DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR.pdf Download (111kB)
	Text 167006090 - 6 BAB I.pdf Download (217kB)
	Text 167006090 - 7 BAB II.pdf Download (385kB)
	Text 167006090 - 8 BAB III.pdf Download (700kB)
	Text 167006090 - 9 BAB IV.pdf Restricted to Repository staff only Download (1MB)
	Text 167006090 - 10 BAB V.pdf Restricted to Repository staff only Download (73kB)
	Text 167006090 - 11 DAFTAR PUSTAKA.pdf Download (211kB)

Abstract

Komparasi metode merupakan suatu hal penting yang perlu dilakukan untuk dapat membantu dalam menentukan algoritma yang paling efektif dan akurat untuk menyelesaikan suatu masalah. Dalam penelitian ini, pengujian akan dilakukan dengan cara mengkomparasikan 2 metode teknik data mining yaitu algoritma K�Nearest Neighbor dan Neural Network untuk mengetahui algoritma yang menghasilkan tingkat akurasi paling baik dalam memprediksi kelulusan mahasiswa. Pengujian dilakukan dengan software Rapidminer dan bahasa pemrograman python. Hasil pengujian algoritma K-Nearest Neighbor menggunakan software Rapidminer menghasilkan akurasi 52.63%, precision 38.46%, recall 83.33% dan nilai AUC 0.795. Pengujian dengan bahasa pemrograman python, menunjukan akurasi 57.89%, precision 38.46%, recall 100% dan f1-score 55.55%. Hasil pengujian algoritma Neural Network dengan metode pelatihan backpropagation menggunakan software Rapidminer menunjukan akurasi 63.16%, precision 80.00%, recall 61.54% dan nilai AUC 0.577. Pengujian dengan bahasa pemrograman python, menunjukan akurasi 73.68%, precision 79.68%, recall 83.33% dan f1-score 80.00%. Hasil dari penelitian ini menunjukan bahwa algoritma Neural Network dengan metode pelatihan backpropagation memiliki tingkat akurasi lebih baik daripada algoritma K-Nearest Neighbor dalam memprediksi kelulusan mahasiswa. Kata Kunci : Komparasi, Data Mining, K-Nearest Neighbor, Neural Network, Kelulusan mahasiswa

Actions (login required)

View Item