PERBANDINGAN ALGORITME K-NEAREST NEIGHBOR DAN NAÏVE BAYES DALAM KLASIFIKASI KELULUSAN MAHASISWA

  • Muhammad Fahmi As Shiddiqi Teknik Informatika, Universitas Muhammadiyah Gresik
  • Henny Dwi Bhakti Teknik Informatika, Universitas Muhammadiyah Gresik
Keywords: Klasifikasi, K-Nearest Neighbor, Naïve Bayes, Confusion Matrix, K-Fold Cross Validation

Abstract

Kelulusan merupakan tujuan akhir bagi setiap orang dalam rangkaian proses menyelesaikan studi dalam memperoleh gelar, penghargaan ataupun yang lainnya. Pada Program Studi Teknik Informatika Universitas Muhammadiyah Gresik terdapat banyak mahasiswa yang lulus tidak tepat waktu (terlambat) dan mahasiswa yang Drop Out (DO), hal tersebut merupakan masalah penting bagi Program Studi, dikarenakan jumlah total dari mahasiswa yang mendaftar tidak sebanding dengan mahasiswa lulus yang berdampak pada penilaian Akreditasi dimana akan berakibat pada menurunnya calon mahasiswa baru di Program Studi Teknik Informatika Universitas Muhammadiyah Gresik. Sangat penting bagi Program Studi mengetahui klasifikasi kelulusan mahasiswa. Dalam penelitian ini akan dilakukan klasifikasi kelulusan mahasiswa menggunakan algoritme K-Nearest Neighbor dan Naïve Bayes. Hasil pengujian evaluasi performa menggunakan Confusion Matrix didapatkan nilai rata-rata precision dan recall dari kedua algoritme. Algoritme K-Nearest Neighbor mendapatkan rata-rata nilai precision, dan recall lebih tinggi sebesar 85,1% dan 92,9%. Sedangkan untuk algoritme Naïve Bayes mendapatkan nilai rata-rata precision dan recall lebih rendah sebesar 73% dan 73,5%. Sementara hasil pengujian menggunakan K-Fold Cross Validation mendapatkan hasil bahwa algoritme K-Nearest Neighbor dinilai lebih baik dari algoritme Naïve Bayes dengan melihat nilai hasil dari accuracy, precision, dan recall algoritme K-Nearest Neighbor dengan nilai accuracy sebesar 84,2%, precision sebesar 92,3% dan recall sebesar 82,6%.

Downloads

Download data is not yet available.
Published
2024-10-01