KLASIFIKASI KERINGANAN UKT MAHASISWA UHO MENGGUNAKAN K-NEAREST NEIGHBOR (KNN)

Abstract

Biaya kuliah sering kali menjadi tantangan bagi mahasiswa, terutama mereka yang berasal dari keluarga dengan keterbatasan ekonomi. Proses seleksi manual untuk mendapatkan keringanan Uang Kuliah Tunggal (UKT) membutuhkan waktu dan sumber daya yang signifikan, terutama ketika jumlah data yang diolah semakin besar. Dalam konteks ini, diperlukan sistem pendukung keputusan yang dapat mempercepat dan memperbaiki keakuratan seleksi. Sebagai solusi untuk masalah tersebut, penelitian ini bertujuan untuk mengembangkan sistem klasifikasi menggunakan algoritma K-Nearest Neighbor (KNN) untuk menentukan kelayakan pemberian keringanan UKT kepada mahasiswa Universitas Halu Oleo (UHO). Keringanan UKT adalah bentuk bantuan keuangan yang diberikan kepada mahasiswa berdasarkan beberapa faktor, seperti kondisi ekonomi, prestasi akademik, dan latar belakang sosial. Algoritma KNN dipilih karena kemampuannya dalam melakukan klasifikasi berdasarkan kemiripan dengan data pelatihan. KNN mencari K tetangga terdekat dari data uji dan mengklasifikasikannya berdasarkan mayoritas kelas tetangga terdekat tersebut. Dataset yang digunakan terdiri dari atribut-atribut yang relevan dengan kelayakan pemberian keringanan UKT, seperti pendapatan keluarga, indeks prestasi mahasiswa, dan kategori sosial ekonomi. Dataset telah diberi label kelayakan pemberian keringanan UKT (misalnya "Layak" dan "Tidak Layak") berdasarkan kebijakan yang ada. Hasil perhitungan menggunakan tetangga terdekat k = 2 diperoleh nilai akurasi tertinggi yaitu 90% dan nilai Error rate terendah yaitu 0.1.