eprintid: 1747
rev_number: 16
eprint_status: archive
userid: 37
dir: disk0/00/00/17/47
datestamp: 2021-06-08 04:01:25
lastmod: 2021-06-08 04:03:54
status_changed: 2021-06-08 04:03:54
type: thesis
metadata_visibility: show
contact_email: repository@staff.ukdw.ac.id
creators_name: 71130129, Veronica Hanna Arum Sari
creators_id: veronica.hanna@ti.ukdw.ac.id
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_name: Santosa, R. Gunawan
contributors_name: Chrismanto, Antonius Rachmat
corp_creators: Universitas Kristen Duta Wacana
title: PERBANDINGAN ALGORITMA K-NEAREST NEIGHBOR DAN NAIVE BAYES CLASSIFIER DALAM MEMPREDIKSI KATEGORI INDEKS PRESTASI MAHASISWA
ispublished: pub
subjects: QA75
divisions: tek_informatika
full_text_status: restricted
keywords: Akurasi, Confusion Matrix, Data Mining, K-Nearest Neighbor, Naïve Bayes Classifier
abstract: Hasil belajar mahasiswa baru FTI UKDW dapat dilihat dari prestasi belajar mahasiswa. Tolak ukur keberhasilan prestasi belajar mahasiswa baru dapat dilihat dari indeks prestasi yang dicapai. Indeks Prestasi (IP) semester yang rendah akan memberikan dampak baik luar maupun dalam kampus. Baik buruknya indeks prestasi mahasiswa semester 1 dapat dipengaruhi oleh beberapa variabel baik eksternal maupun internal. Variabel eksternal meliputi kategori sekolah (SMA atau SMK), status sekolah (negeri atau swasta), lokasi sekolah (Jawa atau luar Jawa), dan kemampuan bahasa inggris yang dibagi dalam beberapa level. Variabel internal meliputi kemampuan spasial, kemampuan verbal, kemampuan numerik dan kemampuan analogi (Santosa & Rachmat, 2016). Proses penerimaan mahasiswa baru dibagi menjadi 2 jalur penerimaan yakni jalur prestasi dan jalur non prestasi. Jalur prestasi menggunakan variabel eksternal sedangkan jalur non prestasi menggunakan variabel eksternal dan internal. Pengolahan data-data baik variabel internal maupun eksternal, dalam data mining dapat menggunakan cara pengklasifikasian. Pada penelitian ini, penulis mengambil metode Naïve Bayes Classifier dan K-Nearest Classifier dalam melakukan pengklasifikasian. Pada jalur prestasi, dari total 806 dengan menggunakan data training sebanyak 76% dan data testing sebanyak 24% didapatkan akurasi yang paling baik yaitu 61% menggunakan metode K-Nearest Neighbor dengan menggunakan nilai k = 2. Sedangkan pada jalur non prestasi, dari total 1211 data dengan menggunakan data training sebanyak 95% dan data testing sebanyak 5% didapatkan akurasi yang paling baik yaitu 48% menggunakan metode K-Nearest Neighbor dengan menggunakan nilai k = 8. Dari penelitian yang dilakukan, akurasi pada jalur prestasi lebih baik daripada jalur non prestasi.
date: 2017-07
date_type: published
pages: 106
institution: Universitas Kristen Duta Wacana
department: Informatika
thesis_type: skripsi
thesis_name: other
citation:   71130129, Veronica Hanna Arum Sari  (2017) PERBANDINGAN ALGORITMA K-NEAREST NEIGHBOR DAN NAIVE BAYES CLASSIFIER DALAM MEMPREDIKSI KATEGORI INDEKS PRESTASI MAHASISWA.  Bachelor thesis, Universitas Kristen Duta Wacana.   
document_url: https://katalog.ukdw.ac.id/1747/1/71130129_bab1_bab5_daftarpustaka.pdf
document_url: https://katalog.ukdw.ac.id/1747/2/71130129_bab2-sd-bab4_lampiran.pdf