KOMPARASI METODE K-NEAREST NEIGHBOR DAN
NEURAL NETWORK UNTUK MENENTUKAN TINGKAT
AKURASI DALAM PREDIKSI KELULUSAN MAHASISWA
(Studi Kasus: Program Studi Informatika Universitas Siliwangi)
Total View This Week0
Total View This Week0
Institusion
Universitas Siliwangi
Author
Ramdani, Galih Farid
Subject
T Technology (General)
Datestamp
2023-08-03 08:15:31
Abstract :
Komparasi metode merupakan suatu hal penting yang perlu dilakukan untuk dapat membantu dalam menentukan algoritma yang paling efektif dan akurat untuk menyelesaikan suatu masalah. Dalam penelitian ini, pengujian akan dilakukan dengan cara mengkomparasikan 2 metode teknik data mining yaitu algoritma K?Nearest Neighbor dan Neural Network untuk mengetahui algoritma yang menghasilkan tingkat akurasi paling baik dalam memprediksi kelulusan mahasiswa. Pengujian dilakukan dengan software Rapidminer dan bahasa pemrograman python. Hasil pengujian algoritma K-Nearest Neighbor menggunakan software Rapidminer menghasilkan akurasi 52.63%, precision 38.46%, recall 83.33% dan nilai AUC 0.795. Pengujian dengan bahasa pemrograman python, menunjukan akurasi 57.89%, precision 38.46%, recall 100% dan f1-score 55.55%. Hasil pengujian algoritma Neural Network dengan metode pelatihan backpropagation menggunakan software Rapidminer menunjukan akurasi 63.16%, precision 80.00%, recall 61.54% dan nilai AUC 0.577. Pengujian dengan bahasa pemrograman python, menunjukan akurasi 73.68%, precision 79.68%, recall 83.33% dan f1-score 80.00%. Hasil dari penelitian ini menunjukan bahwa algoritma Neural Network dengan metode pelatihan backpropagation memiliki tingkat akurasi lebih baik daripada algoritma K-Nearest Neighbor dalam memprediksi kelulusan mahasiswa. Kata Kunci : Komparasi, Data Mining, K-Nearest Neighbor, Neural Network, Kelulusan mahasiswa
Komparasi metode merupakan suatu hal penting yang perlu dilakukan untuk dapat membantu dalam menentukan algoritma yang paling efektif dan akurat untuk menyelesaikan suatu masalah. Dalam penelitian ini, pengujian akan dilakukan dengan cara mengkomparasikan 2 metode teknik data mining yaitu algoritma K?Nearest Neighbor dan Neural Network untuk mengetahui algoritma yang menghasilkan tingkat akurasi paling baik dalam memprediksi kelulusan mahasiswa. Pengujian dilakukan dengan software Rapidminer dan bahasa pemrograman python. Hasil pengujian algoritma K-Nearest Neighbor menggunakan software Rapidminer menghasilkan akurasi 52.63%, precision 38.46%, recall 83.33% dan nilai AUC 0.795. Pengujian dengan bahasa pemrograman python, menunjukan akurasi 57.89%, precision 38.46%, recall 100% dan f1-score 55.55%. Hasil pengujian algoritma Neural Network dengan metode pelatihan backpropagation menggunakan software Rapidminer menunjukan akurasi 63.16%, precision 80.00%, recall 61.54% dan nilai AUC 0.577. Pengujian dengan bahasa pemrograman python, menunjukan akurasi 73.68%, precision 79.68%, recall 83.33% dan f1-score 80.00%. Hasil dari penelitian ini menunjukan bahwa algoritma Neural Network dengan metode pelatihan backpropagation memiliki tingkat akurasi lebih baik daripada algoritma K-Nearest Neighbor dalam memprediksi kelulusan mahasiswa. Kata Kunci : Komparasi, Data Mining, K-Nearest Neighbor, Neural Network, Kelulusan mahasiswa
File :
167006090 - 0 COVER.pdf
167006090 - 1 LAMPIRAN PENGESAHAN.pdf
167006090 - 10 BAB V.pdf
167006090 - 11 DAFTAR PUSTAKA.pdf
167006090 - 2 LEMBAR PERNYATAAN KEASLIAN.pdf
167006090 - 3 ABSTRAK.pdf
167006090 - 4 KATA PENGANTAR.pdf
167006090 - 5 DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR.pdf
167006090 - 6 BAB I.pdf
167006090 - 7 BAB II.pdf
167006090 - 8 BAB III.pdf
167006090 - 9 BAB IV.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
