GDL

IMPLEMENTATION OF DATA MINING TO PREDICT THE STUDY PERIOD OF INFORMATICS ENGINEERING STUDENTS OF JAMBI DB STIKOM USING K-NEAREST NEIGHBOR METHOD

Undergraduate Theses from gdlhub / 2019-05-11 13:43:21
Oleh : Dini Indriyani M, STIKOM Dinamika Bangsa Jambi
Dibuat : 2019-05-11, dengan 7 file

Keyword : Kata Kunci : Data Mining, Klasifikasi, Prediksi, Lama Masa Studi, K-Nearest Neighbor

Data mining adalah suatu konsep penggalian data yang digunakan untuk menemukan pengetahuan yang tersembunyi di dalam database. Di STIKOM DB data-data alumni khususnya pada program studi Teknik Informatika semakin bertambah setiap tahunnya dan tidak ada tindak lanjut manfaat dari data-data yang tersedia. Oleh karena itu, penulis melakukan analisis data mining pada data-data mahasiswa tersebut agar menjadi informasi yang sangat berharga bagi organisasi. Penulis menggunakan data mahasiswa teknik informatika tahun 2013 dan 2016 sebanyak 318 data yang kemudian di sajikan kedalam format arff. Dalam melakukan analisis penulis menggunakan alat bantu Tools WEKA. Metode yang gunakan adalah metode klasifikasi K-Nearest Neighbor dengan 6 atribut. Untuk menyeleksi atribut penulis menggunakan algoritma classifier attribute evaluation Hasil klasifikasi k-nearest neighbor dengan akurasi terbesar diperoleh dengan menggunakan K = 5 dengan Use Training Set dengan persentasi akurasi Correctly Classified Instances sebesar 88,9937 % dan Incorrectly Classified Instances 11,0063 %.

Deskripsi Alternatif :

Data mining is a concept of extracting data that is used to find knowledge hidden in the database. In STIKOM DB alumni data, especially in the Informatics Engineering study program, is increasing every year and there is no follow-up benefit from the available data. Therefore, the author analyzes data mining on student data so that it becomes very valuable information for the organization. The author uses data from informatics engineering students in 2013 and 2016 as many as 318 data which are then presented in the Arff format. In analyzing the author using the WEKA Tools tool. The method used is the K-Nearest Neighbor classification method with 6 attributes. To select the attributes of the author using the classifier attribute evaluation algorithm The results of the k-nearest neighbor classification with the greatest accuracy were obtained using K = 5 with the Use Training Set with a percentage of accuracy of Correct Classified Instances of 88.9937% and Incorrectly Classified Instances 11.0063%.

Beri Komentar ?#(0) | Bookmark

Properti	Nilai Properti
ID Publisher	gdlhub
Organisasi	STIKOM Dinamika Bangsa Jambi
Nama Kontak	Herti Yani, S.Kom
Alamat	Jln. Jenderal Sudirman
Kota	Jambi
Daerah	Jambi
Negara	Indonesia
Telepon	0741-35095
Fax	0741-35093
E-mail Administrator	elibrarystikom@gmail.com
E-mail CKO	elibrarystikom@gmail.com