Naufal Juli, Saputra (2024) PENERAPAN ALGORITMA K-NEAREST NEIGHBOR UNTUK KLASIFIKASI PENERIMA BEASISWA PADA STMIK WIDYA CIPTA DHARMA. S1 Teknik Informatika thesis, STMIK Widya Cipta Dharma.
![[img]](http://repository.wicida.ac.id/style/images/fileicons/text.png) |
Text
2043045-S1-Jurnal.pdf Download (853kB) |
|
Text
2043045-S1-Teknik Informatika.pdf Restricted to Repository staff only Download (3MB) | Request a copy |
Abstract
Klasifikasi merupakan metode penting dalam sistem informasi untuk memetakan data ke dalam kategori yang relevan. Salah satu teknik yang sering digunakan adalah K-Nearest Neighbor (K-NN), yang dikenal karena kesederhanaannya dalam mengelola data besar. Penelitian ini fokus pada penerapan algoritma K-NN untuk mengklasifikasikan calon penerima beasiswa di STMIK Widya Cipta Dharma. Dengan mempertimbangkan parameter yang relevan untuk beasiswa KIP Kuliah dan PMDK, penelitian ini bertujuan untuk mengembangkan sistem yang efisien dan terkomputerisasi untuk proses seleksi beasiswa yang lebih akurat. Metode pengembangan sistem yang digunakan dalam penelitian ini adalah KDD (Knowledge discovery in database). Perangkat lunak atau software pendukung yang digunakan untuk memproses data yaitu Jupyter Notebook. Hasil penelitian menunjukkan bahwa algoritma K-NN memberikan akurasi sebesar 88%, dengan presisi masing-masing 86% untuk label KIP Kuliah dan 89% untuk label PMDK. Pengujian menggunakan Kurva ROC menghasilkan nilai area under curve sebesar 0,83, menandakan kinerja klasifikasi yang baik. Implementasi sistem berbasis web menggunakan PHP dan framework Bootstrap untuk tampilan, serta Python untuk pengolahan data, diharapkan dapat mempermudah proses seleksi dengan aksesibilitas yang lebih baik. Selain itu, pengujian white box testing dilakukan untuk memastikan sistem bebas dari bug dan layak digunakan. =========================================================== Classification is a crucial method in information systems for mapping data into relevant categories. One widely used technique is the K-Nearest Neighbor (K-NN) algorithm, known for its simplicity in handling large datasets. This research focuses on applying the K-NN algorithm to classify scholarship candidates at STMIK Widya Cipta Dharma. By considering relevant parameters for KIP Kuliah and PMDK scholarships, this study aims to develop an efficient and computerized system for a more accurate scholarship selection process. The development method used in this research is KDD (Knowledge Discovery in Database). The supporting software used for data processing is Jupyter Notebook. The results indicate that the K-NN algorithm provides an accuracy of 88%, with precision values of 86% for the KIP Kuliah label and 89% for the PMDK label. ROC curve testing yields an area under the curve of 0.83, indicating good classification performance. The implementation of a web-based system using PHP and the Bootstrap framework for the interface, along with Python for data processing, is expected to facilitate the selection process with improved accessibility. Additionally, white-box testing was conducted to ensure the system is free from bugs and is suitable for use.
| Item Type: | Thesis (S1 Teknik Informatika) |
|---|---|
| Additional Information: | Pembimbing 1 : Dr. Heny Pratiwi, S.Kom., M.Pd., M.TI. Pembimbing 2 : Ahmad Abul Khair, S.Kom., M.T. |
| Uncontrolled Keywords: | K-NN, Klasifikasi Beasiswa, Web |
| Subjects: | Q Science > QA Mathematics > QA76 Computer software |
| Divisions: | Teknik Informatika |
| Depositing User: | Naufal Juli Saputra |
| Date Deposited: | 08 Aug 2024 02:02 |
| Last Modified: | 08 Aug 2024 02:02 |
| URI: | http://repository.wicida.ac.id/id/eprint/5693 |
Actions (login required)
 |
View Item |
