Metode Data Mining untuk Seleksi Calon Mahasiswa Baru pada Penerimaan Mahasiswa Baru di Universitas Muhammadiyah Gresik

Muhammad Zaky Al Mubarok; Umi Chotijah

doi:10.51903/juritek.v4i1.2886

Muhammad Zaky Al Mubarok Universitas Muhammadiyah Gresik
Umi Chotijah Universitas Muhammadiyah Gresik

DOI: https://doi.org/10.51903/juritek.v4i1.2886

Keywords: Classification, Thesis Completion Time, Weighted Naïve Bayes, K-Nearest Neighbor, Data Mining

Abstract

Muhammadiyah University of Gresik is one of the educational institutions in Gresik. Every year, the ratio of new students to graduates is not the same, which can affect the accreditation of the campus. To address this issue, a prediction is made on the data of prospective new students to detect whether they can graduate on time or not. A comparison of the classification results is performed using the K-Nearest Neighbor and Naive Bayes methods. From the implementation and testing, Naive Bayes achieves an accuracy of 72%, while the K- Nearest Neighbor method achieves an accuracy of 64%. Therefore, Naive Bayes is better at classifying the data of prospective new students compared to K-Nearest Neighbor.

References

Aji Prasetya Wibawa, MGAPMFAFAD 2018, ‘metode metode klasifikasi’,.
Alim, S 2021, IMPLEMENTASI ORANGE DATA MINING UNTUK KLASIFIKASI KELULUSAN MAHASISWA DENGAN MODEL K-NEAREST NEIGHBOR, DECISION TREE SERTA NAIVE BAYES ORANGE DATA MINING IMPLEMENTATION FOR STUDENT GRADUATION CLASSIFICATION USING K-NEAREST NEIGHBOR, DECISION TREE AND NAIVE BAYES MODELS,.
Amelia Lizsara, P, Oyama, S & Wardani, S 2020, Implementasi Data Mining Menggunakan Metode,.
Annur, H 2018, KLASIFIKASI MASYARAKAT MISKIN MENGGUNAKAN METODE NAÏVE BAYES,.
Fatmawati 2016, ‘perbandingan algortima klasifikasi data mining model c4.5 dan naive bayes untuk prediksi penyakit diabetes’,.
Isnanto, S & Widodo, S 2021, ‘PENERAPAN DATA MINING PADA PENERIMAAN MAHASISWA BARU DENGAN ALGORITMA K-MEANS CLUSTERING’, Jurnal Teknik Informasi dan Komputer (Tekinkom), vol. 4, no. 2, p. 158.
Lestari, Y, Sunardi, S & Fadlil, A 2022, ‘Sistem Pendukung Keputusan Penerimaan Peserta Didik Baru dan Pemilihan Jurusan dengan Metode AHP dan SAW’, JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 6, no. 3, p. 1607.
Maskuri, MN, Sukerti, K & Herdian Bhakti, RM 2021, ‘Penerapan Algoritma K-Nearest Neighbor (KNN) untuk Memprediksi Penyakit Stroke Stroke Desease Predict Using KNN Algorithm’, Jurnal Ilmiah Intech : Information Technology Journal of UMUS, vol. 4, no. 1.
Mulyati, S, Maulana Husein, S & Kunci, K 2020, ‘RANCANG BANGUN APLIKASI DATA MINING PREDIKSI KELULUSAN UJIAN NASIONAL MENGGUNAKAN ALGORITMA (KNN) K-NEAREST NEIGHBOR DENGAN METODE EUCLIDEAN DISTANCE PADA SMPN 2 PAGEDANGAN sistem dapat memprediksi dan mengklasifikasikan dengan baik dan cepat’, , pp. 65–73.
Nikmatun, IA & Waspada, I 2019, ‘IMPLEMENTASI DATA MINING UNTUK KLASIFIKASI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR’, Jurnal SIMETRIS, vol. 10, no. 2.
Pratama, AR, Rizky Aryanto, R, Taufiq, A, Pratama, M & Korespondensi, P 2022, ‘MODEL KLASIFIKASI CALON MAHASISWA BARU UNTUK SISTEM REKOMENDASI PROGRAM STUDI SARJANA BERBASIS MACHINE LEARNING’, , vol. 9, no. 4.
Putro, HF, Vulandari, RT & Saptomo, WLY 2020, ‘Penerapan Metode Naive Bayes Untuk Klasifikasi Pelanggan’, Jurnal Teknologi Informasi dan Komunikasi (TIKomSiN), vol. 8, no. 2.
Saifudin, A 2018, ‘METODE DATA MINING UNTUK SELEKSI CALON MAHASISWA PADA PENERIMAAN MAHASISWA BARU DI UNIVERSITAS PAMULANG’, accessed from .
Sri Widaningsih 2019, ‘PERBANDINGAN METODE DATA MINING UNTUK PREDIKSI NILAI DAN’,.
UNIVERSITAS MUHAMMADIYAH GRESIK 2023, ‘PROFIL SINGKAT UMG’, accessed January 5, 2023, from .
Utomo, DP & Mesran, M 2020, ‘Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung’, JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 4, no. 2, p. 437.