Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : InfoTekJar (Jurnal Nasional Informatika dan Teknologi Jaringan)

PREDIKSI PENENTUAN PENERIMA BEASISWA DENGAN METODE KNEAREST NEIGHBOURS (Studi Kasus: Program Studi Sistem Informasi Fakultas Vokasi Universitas Airlangga) Nasa Zata Dina; Rachman Sinatriya Marjianto
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 2, No 2 (2018): InfoTekJar Maret
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v2i2.269

Abstract

Sistem pendukung keputusan berupa prediksi penentuan penerima beasiswa online diharapkan dapat membantu dalam menentukan mahasiswa calon penerima beasiswa. Pada penelitian ini difokuskan pada studi kasus Program Studi Sistem Informasi Fakultas Vokasi, Universitas Airlangga. Banyaknya jumlah beasiswa yang masuk ke fakultas mengakibatkan staf  kemahasiswaan kewalahan karena jumlah calon penerima beasiswa sangat banyak sedangkan beasiswa yang ditawarkan terbatas. Kuota beasiswa sendiri juga diberikan pada tiap program studi berdasarkan banyaknya jumlah mahasiswa pada tiap angkatan. Karena proses administrasi serba manual maka petugas kemahasiswaan kesulitan dalam menentukan penerima dari beasiswa yang ada pada tiap semesternya. Akibatnya beberapa beasiswa peruntukkannya belum tepat sasaran sehingga terkadang ada beberapa mahasiswa yang menerima beasiswa ganda akibat kelalaian dalam penentuan penerima beasiswa. Oleh karena permasalahan tersebut maka sistem pendukung berupa prediksi penentuan penerima beasiswa sangat dibutuhkan untuk saat ini demi membangun sistem terkomputerisasi yang terstruktur di lingkungan Program Studi Sistem Informasi Fakultas Vokasi, Universitas Airlangga. Metode penelitian yang digunakan mencakup pengumpulan data, analisis sistem, desain system, implementasi sistem dan evaluasi dan pengujian sistem. Sedangkan algoritma yang digunakan adalah Algoritma  KNearest Neighbours. Nilai parameter K yang digunakan adalah 2. Indeks Kemiskinan dan Indeks Prestasi Kumulatif  merupakan variabel yang diukur. Nilai akurasi yang dihasilkan oleh algoritma KNearest Neighbours dengan nilai K= 2 yaitu sebesar 83,4%.