APLIKASI KLASIFIKASI PEMINATAN STUDI LANJUT DENGAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR

Untu, Claudio Laurenso Fabiano and Paseru, Debby and Suwanto, Thomas Christian (2020) APLIKASI KLASIFIKASI PEMINATAN STUDI LANJUT DENGAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR. Skripsi thesis, UNIVERSITAS KATOLIK DE LA SALLE.

	PDF COVER-DAFTAR_ISI_ClaudioUntu.pdf Download (1MB)
	PDF BAB_ISI-LAMPIRAN_ClaudioUntu.pdf Restricted to Repository staff only Download (7MB)

Official URL: http://digilib.unikadelasalle.ac.id/

Abstract

Peminatan studi lanjut ke pendidikan studi strata-2 merupakan cita-cita atau tujuan dari sebagian orang yang ingin memperdalam ilmu dan keterampilannya sesuai dengan minat dan bakatnya. Pendidikan strata-2 dapat memberikan begitu banyak manfaat yang baik untuk ke depannya. Akan tetapi, masih banyak lulusan strata-1 yang masih kebingungan untuk menentukan bidang studi yang akan ditempuh. Saat menempuh pendidikan strata-1 mahasiswa cenderung hanya mengikuti teman dalam pemilihan mata kuliah pada setiap semesternya. Salah memilih jurusan yang tidak sesuai dengan minat dan bakat mengakibatkan ketidakcocokan antara pekerjaan dan minat bakatnya. Olehnya penulis melihat adanya kesempatan untuk membangun sebuah aplikasi yang diharapkan dapat membantu menentukan minat studi dalam jenjang strata-2 dengan judul Aplikasi Klasifikasi Peminatan Studi Lanjut Dengan Menggunakan Metode K-Nearest Neighbor.
Metode K-Nearest Neighbor (KNN) adalah suatu metode yang menggunakan algoritma supervised di mana hasil dari query instance yang baru diklasifikasikan berdasarkan mayoritas dari label class pada KNN. Tujuan dari algoritma KNN adalah mengklasifikasikan objek baru berdasarkan atribut dan training data. Algoritma KNN bekerja berdasarkan jarak terpendek dari query instance ke training data untuk menentukan KNN-nya.
Pada pembangunan aplikasi klasifikasi peminatan studi lanjut ini, penulis menggunakan Rapid Application Development (RAD) sebagai metodologi pengembangan sistem dan penulis juga menggunakan metode K-Nearest Neighbor (KNN) untuk mengolah dan melakukan klasifikasi data sesuai dengan kategori yang telah ditentukan. Kemudian penulis menggunakan bahasa pemrograman Hypertext Prepocessor (PHP) untuk membuat aplikasi klasifikasi peminatan studi lanjut.
Berdasarkan pengujian yang telah dilakukan, diperoleh kesimpulan bahwa aplikasi dapat menentukan klasifikasi peminatan studi lanjut dengan menggunakan metode KNN dengan nilai k=5 dan data latih yang berjumlah 148 data real, dengan tingkat accuracy sebesar 86,486%, recall 86,486% dan error rate 13,513%.

Kata kunci : Peminatan studi lanjut, KNN, klasifikasi

Item Type:

Thesis (Skripsi)

Creators: