Text

IMPLEMENTASI ALGORITMA MODIFIED K-NEAREST NEIGHBOR (MKNN) UNTUK KLASIFIKASI KEPUASAN MAHASISWA TERHADAP PEMBELAJARAN DARING

---

Implementasi algoritma klasifikasi Modified K-Nearest Neighbor dalam menentukan
kepuasan mahasiswa (Universitas Khairun Teknik Informatika). Perkembangan data tidak
terlepas dari kemajuan teknologi informasi yang memungkinkan data dalam jumlah besar
yang terakumulasi. Data mining adalah proses pengumpulan informasi penting dari
sejumlah data besar yang tersimpan di basis data, gudang data atau tempat penyimpanan
lainnya. Klaifikasi adalah proses pembelajaran secara terbimbing (Supervised learning).
Klasifikasi digunakan untuk memprediksi kelas dari objek yang kelasnya belum diketahui.
Metode klasifikasi yang umum digunakan antara lain: Decision tree, K-Neares Neighbor,
Naïve bayes, Neural Network, C4.5 dan Support Vector Machine. Modified K-Nearest
Neighbor (MKNN) adalah pengembangan dari algoritma K-Nearest Neighbor dengan
menambahkan dua proses yaitu perhitungan nilai validitas dan perhitungan weighted
voting. MKNN adalah suatu metode yang menggunakan algoritma supervised dimana hasil
dari query instance yang baru diklasifikasikan berdasarkan mayoritas dari kategori pada
KNN. Tujuan dari algoritma ini adalah mengklasifikasikan objek baru berdasarkan atribut
dan data training sample. Data yang digunakan dalam penelitian ini berupa data primer.
Dimana data tersebut diperoleh dari hasil kuisioner yang disebarkan kepada mahasiswa
Teknik Informatika Universitas Khairun. Obyek dari penelitian ini adalah hal-hal yang
berkaitan pelayanan dosen terhadap mahasiswa pada saat pembelajaran online. Analisa
algoritma Modified K-Nearest Neighbor (MKNN) ini dilakukan menentukan nilai akurasi dari
data kepuasan mahasiswa. Berdasarkan hasil analisa, metode klasifikasi algoritma
Modified K-Nearest Neighbor menunjukan bahwa metode ini memiliki nilai keakuratan
yang cukup baik. Ini dilihat dari pengujian terhadap perubahan nilai K terhadap akurasi
sebesar 80% dengan menggunakan K=3 dan pengaruh jumlah data latih terhadap akurasi
dengan data latih 70 mendapatkan nilai akurasi 88,8%.
Kata Kunci: Data mining, Klasifikasi, Modified K-Nearest Neighbor

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

2022 621.29 Nad I

Penerbit

Ternate : PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS KHAIRUN., 2022

Deskripsi Fisik

vxiii. 125 hlm. 30 cm illus,biblio

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

15 Juli 2022

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Nadila

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar