<![CDATA[Penelitian ini difokuskan untuk menerapkan perhitungan Algoritma K-Nearest Neighbors (K-NN) pada aplikasi prediksi kelulusan mahasiswa yang nantinya diharapkan bisa sebagai alat bantu untuk memprediksi kelulusan mahasiswa. Dalam hal ini penulis memilih algoritma K-Nearest Neighbors (K-NN) karena K-Nearest Neighbors (K-NN) merupakan algoritma yang bisa digunakan untuk mengolah data yang bersifat numerik dan tidak membutuhkan skema estimasi parameter perulangan yang rumit, ini berarti bisa diaplikasikan untuk dataset berukuran besar. Input dari sistem ini adalah Data sampel mahasiswa yang sudah dinyatakan lulus yang akan digunakan sebagai data training dan data testing. Kriteria yang digunakan dalam penelitian ini adalah jenis kelamin, status nikah, status kerja, IP Semester 1-6, capaian SKS, Status Kelulusan. Output dari sistem ini berupa hasil prediksi kelulusan mahasiswa. Hasil pengujian menunjukkan bahwa prediksi dari Algoritma KNN dari 20 data testing hasil prediksinya adalah 18 benar dan hanya 2 yang salah sehingga dapat dikatakan bahwa akurasi prediksi dengan naive bayes menggunakan 40 data training untuk dan 20 data testing, Algoritma KNN mempunyai akurasi 90%. Kata kunci : Prediksi Kelulusan, algoritma K-Nearest Neighbors, Sistem Pendukung Keputusan]]>
Copyrights © 2017
