MODEL ALGORITMA K-NEAREST NEIGHBOR (K-NN) DAN NAÏVE BAYES UNTUK PREDIKSI KELULUSAN MAHASISWA

  • Ryan Situmorang Program Studi Sarjana Terapan Teknik Informatika, Universitas Logistik Bisnis Internasional
  • Woro Isti Rahayu Program Studi Sarjana Terapan Teknik Informatika, Universitas Logistik Bisnis Internasional
  • Rd Nuraini Siti Fathonah Program Studi Sarjana Terapan Teknik Informatika, Universitas Logistik Bisnis Internasional
DOI: https://doi.org/10.36040/jati.v7i1.6342
Kata Kunci: K-Nearst Neighbor,Kelulusan,Naïve Bayes

Abstrak

Jurnal ini membahas penggunaan dua model algoritma machine learning, yaitu K-Nearest Neighbor (K-NN) dan Naïve Bayes, untuk memprediksi kelulusan mahasiswa. K-NN adalah algoritma yang digunakan untuk klasifikasi dan regresi, sementara Naïve Bayes adalah algoritma yang digunakan untuk klasifikasi. Kedua algoritma ini dapat digunakan untuk memprediksi kelulusan mahasiswa dengan memanfaatkan data historis, seperti nilai ujian, absensi, dan faktor-faktor lain yang mempengaruhi kelulusan. Dalam artikel ini, akan dijelaskan secara rinci bagaimana model-model ini bekerja dan bagaimana cara mengimplementasikannya untuk memprediksi kelulusan mahasiswa.

##plugins.generic.usageStats.downloads##

##plugins.generic.usageStats.noStats##
Diterbitkan
2023-02-23
Terbitan
Vol 7 No 1 (2023): JATI Vol. 7 No. 1
Bagian
Articles