Aplikasi Data Mining Untuk Memprediksi Mahasiswa Berpotensi Drop Out Menggunakan Algoritme K-Nearest Neighbor (K-Nn)
| Main Author: | Agustini, Mardiani Putri |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/171807/1/SKRIPSI%20-%20MARDIANI%20%282%29.pdf http://repository.ub.ac.id/171807/ |
Daftar Isi:
- Drop out atau putus studi merupakan permasalahan yang berkaitan dengan keberhasilan studi seorang mahasiswa. Hal tersebut juga dialami pada program studi Sistem Informasi Universitas Brawijaya. Hasil wawancara yang telah dilakukan dengan Ketua Program Studi Sistem Informasi bahwa telah terjadi pemberhentian studi atau drop out setiap tahunnya. Adanya mahasiswa yang drop out dapat menyebabkan turunnya kualitas dan mutu perguruan tinggi. Oleh karena itu, sebagai penanganan terhadap masalah tersebut diperlukan sistem yang mampu membantu pengambilan keputusan untuk memprediksi mahasiswa yang berpotensi drop out sehingga dapat dilakukan pencegahan dan tindakan lebih lanjut. Klasifikasi dengan data mining merupakan salah satu metode yang dapat digunakan untuk memprediksi potensi drop out. Salah satu algoritme klasifikasi yang dapat dimanfaatkan yaitu K-Nearest Neighbor untuk melakukan prediksi berdasarkan atribut akademik dan demografi mahasiswa. Data mahasiswa yang didapatkan sebanyak 1347 data, kemudian dilakukan pengolahan data yang terdiri dari seleksi data, pembersihan data, dan transformasi data. Proses pembentukan pola menggunakan algoritme K-Nearest Neighbor dengan tool Weka kemudian dilakukan setelah proses pengolahan data. Implementasi sistem memanfaatkan framework Laravel dan Weka Simple CLI. Hasil dari proses menggunakan Weka didapatkan nilai kedekatan paling optimal adalah k=5. Hasil evaluasi dan validasi algoritme K-Nearest Neighbor menggunakan confusion matrix menghasilkan akurasi sebesar 99.2337%. Hasil nilai AUC dari kurva ROC menunjukkan nilai yang diperoleh dalam klasifikasi sebesar 0.8918. Usability testing yang dihasilkan dengan menggunakan kuesioner SUS sebesar 67.5. Luaran yang dihasilkan dari sistem berupa visualisasi dashboard dalam bentuk chart yang menampilkan informasi drop out mahasiswa, form yang dapat digunakan oleh Kaprodi SI untuk membuat model yang akan digunakan untuk melakukan prediksi, form yang dapat digunakan oleh Kaprodi SI untuk melakukan prediksi drop out dengan memasukkan data mahasiswa, serta tabel yang berisi histori model dengan akurasinya.