FAKTOR-FAKTOR YANG MEMPENGARUHI MINAT CALON MAHASISWA BARU MENDAFTAR PADA FTII UHAMKA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (K-NN)

Luqman Abdur Rahman Malik(1), Mia Kamayani(2), Firman Noor Hasan(3*),

(1) Universitas Muhammadiyah Prof. Dr. Hamka
(2) Universitas Muhammadiyah Prof. Dr. Hamka
(3) Universitas Muhammadiyah Prof. Dr. Hamka
(*) Corresponding Author

Abstract


In accepting new students at Prof. University. Dr. Hamka, many prospective students or parents of students are looking for registration information, this is a great opportunity for Uhamka to gain the sympathy of prospective students to register at Uhamka, especially the Faculty of Industrial and Informatics Technology. The problem in this study is that there is no data processing related to the factors that influence the interest of prospective new students to choose the Faculty of Industrial and Informatics Technology (FTII) Uhamka. The purpose of this study was to determine the factors that influence the interest of prospective new students in choosing majors at the Faculty of Industrial and Information Technology (FTII) Uhamka. The attributes used in this study were 10 attributes, namely full name, major, tuition fee, FII location with domicile, presence of friends/family, accreditation, facilities, PMB services, PMB information, and information of interest. The method that researchers use in this study is the K-Nearest Neighbor Algorithm (K-NN). From the results of testing the researchers used the K-5 fold technique and the confusion matrix obtained an average accuracy of 72.5%, which means it is good.


Keywords


Student, Uhamka, FTII, K-Nearest Neighbor (K-NN).

Full Text:

PDF

References


Bode, A. (2017). K-Nearest Neighbor Dengan Feature Selection Menggunakan Backward Elimination Untuk Prediksi Harga Komoditi Kopi Arabika. ILKOM Jurnal Ilmiah, 9(2), 188–195. https://doi.org/10.33096/ilkom.v9i2.139.188-195

Cholil, S. R., Handayani, T., Prathivi, R., & Ardianita, T. (2021). Implementasi Algoritma Klasifikasi K-Nearest Neighbor (KNN) Untuk Klasifikasi Seleksi Penerima Beasiswa. IJCIT: Indonesian Journal on Computer and Information Technology, 6(2), 118–127. https://doi.org/10.31294/ijcit.v6i2.10438

Fahlevi, J. H. J. dan S. A. (2019). Klasifikasi Calon Mahasiswa Bidikmisi dengan Algoritma K-Nearest Neighbor. 5(1), 1–5.

Gumanti, A. E., Handayani, S., & Toresa, D. (2022). Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Topik Skripsi Mahasiswa di Fakultas Ilmu Komputer. JITaCS: Journal of Information Technology and Computer Science, 1(2), 44–50. https://journal.unilak.ac.id/index.php/JITACS/article/view/10037

Hasan, F. N., & Sudaryana, I. K. (2022). Penerapan Business Intelligence & Online Analytical Processing untuk Data-Data Penelitian dan Luarannya pada Perguruan Tinggi Menggunakan Pentaho. Infotech: Journal of Technology Information, 8(2), 85–92. https://doi.org/10.37365/jti.v8i2.143

Hasanah, F., Suprapti, T., Rahaningsih, N., & Ali, I. (2022). Implementasi Algoritma K-Nearest Neighbor dalam Menentukan Buku Berdasarkan Peminatan. Jurnal Accounting Information System (AIMS), 5(1), 102–111. https://doi.org/10.32627/aims.v5i1.467

Kurniawan, D., & Saputra, A. (2019). Penerapan K-Nearest Neighbour dalam Penerimaan Peserta Didik dengan Sistem Zonasi. Jurnal Sistem Informasi Bisnis, 9(2), 212. https://doi.org/10.21456/vol9iss2pp212-219

Manullang, R. A., & Sianturi, F. A. (2021). Penerapan Algoritma K-Nearest Neighbour Untuk Memprediksi Kelulusan Mahasiswa. Jurnal Ilmu Komputer Dan Sistem Informasi (JIKOMSI), 4(2), 42–50. https://doi.org/10.9767/jikomsi.v4i2.155

Mubassiran, I. C. (2020). PENERAPAN ALGORITMA K-NEAREST NEIGHBORS UNTUK MENENTUKAN POLA PENERIMAAN MAHASISWA BARU (Studi Kasus: Politeknik Pos Indonesia). Ilmiah Manajemen Informatika, 12(2), 1–70.

Muhammad Sopandi, Agus Efendi, B. (2017). Jurnal Ilmiah Pendidikan Teknik Kejuruan ( JIPTEK ). Jurnal Ilmiah Pendidikan Teknik Kejuruan, X(2), https://jurnal.uns.ac.id/jptk.

Muliono, R., Lubis, J. H., & Khairina, N. (2020). Analysis K-Nearest Neighbor Algorithm for Improving Prediction Student Graduation Time. SinkrOn : Jurnal Dan Penelitian Teknik Informatika, 4(2), 42–46. https://doi.org/10.33395/sinkron.v4i2.10480

Nas, C. (2021). Data Mining Prediksi Minat Calon Mahasiswa Memilih Perguruan Tinggi Menggunakan Algoritma C4.5. Jurnal Manajemen Informatika (JAMIKA), 11(2), 131–145. https://doi.org/10.34010/jamika.v11i2.5506

Nasution, T. (2020). Implementasi Algoritma K-Nearest Neighbor Untuk Penentuan Kelulusan Mahasiswa Tepat Waktu. Jurnal Perangkat Lunak, 2(1), 1–14. https://doi.org/10.32520/jupel.v2i1.944

Noviyanto, H., & Fauzi, A. (2022). Implementasi Data Mining Untuk Mengetahui Minat Siswa Terhadap Perguruan Tinggi. Jurnal Teknik Informatika Dan Teknologi Informasi, 2(1), 51–55. https://doi.org/10.55606/jutiti.v2i1.450

Ode Nurhayah Kadir, W., Pramono, B., & Statiswaty. (2019). Penerapan Data Mining Dengan Metode K-Nearest Neighbor(KNN) Untuk Mengelompokan Minat Konsumen Asuransi (Pt. Jasaraharja Putera). SemanTIK, 5(1), 97–104.

https://doi.org/10.5281/zenodo.3116132

Prasetyo, A., Kursini, & Rudyanto Arief, M. (2019). Penerapan Algoritma K Nearest Neighbor Untuk Rekomendasi Minat Konsentrasi Di Program Studi Teknik Informatika Universitas Pgri Yogyakarta. Jurnal Informasi Interaktif , 4(1), 1–6.

Rahmawati Rahayu, R., & Lidiawati. (2021). Implementasi Algoritma K-Nearest Neighbor Untuk Memprediksi Program Studi Bagi Calon Mahasiswa Baru. Jurnal Informatika Dan Teknologi, 4(2), 131–141. https://doi.org/10.29408/jit.v4i2.3546

Saepudin, S., Muslih, M., & Sihabudin. (2019). Pemilihan Jurusan dengan Metode K-Nearest Neighbor Untuk Calon Siswa Baru. Jurnal Rekayasa Teknologi Nusa Putra, 5(2), 15–19. https://doi.org/10.52005/rekayasa.v5i2.89

Saputra, A., & Hasan, F. N. (2023). Analisis Sentimen Terhadap Aplikasi Coffee Meets Bagel Dengan Algoritma Naïve Bayes Classifier. Sibatik Journal | Volume, 2(2), 465–474.

Situmorang, Z., Mandasari, S., Franciska, Y., Andriyani, K., & Ramadhan, P. S. (2022). Algoritma C45 Dalam Memprediksi Minat Calon Mahasiswa. Journal of Science and Social Research, 5(1), 125–133. https://doi.org/10.54314/jssr.v5i1.809

Sulaiman, R., Raya, A. M., & Cahya Saputra, K. E. (2022). ADVICE PLANNING SYSTEM PADA DINAS PEKERJAAN UMUM DAN PENATAAN RUANG TATA KOTA PANGKALPINANG BERBASIS ANDROID. Infotech: Journal of Technology Information, 8(2), 69–76. https://doi.org/10.37365/jti.v8i2.133

Tensao, O. O., Wijaya, N. Y. A., & Fredlina, K. Q. (2022). Analisa Data Mining dengan Algoritma K-Means Clustering Untuk Menentukan Strategi Promosi Mahasiswa Baru Pada STMIK Primakara. Jurnal Informatika Dan Sistem Informasi, 14(1). https://doi.org/10.37424/informasi.v14i1.135

Wibowo, A., Noor Hasan, F., Nurhayati, R., & Wibowo, A. (2022). Analisis Sentimen Opini Masyarakat Terhadap Keefektifan Pembelajaran Daring Selama Pandemi COVID-19 Menggunakan Naïve Bayes Classifier. Jurnal Asiimetrik: Jurnal Ilmiah Rekayasa Dan Inovasi, 4(2), 239–248.

https://doi.org/10.35814/asiimetrik.v4i1.3577

Widyasari, V., & Fitrani, A. S. (2021). Penerapan Data Mining Dengan Metode Klasifikasi Pada Promosi Penerimaan Mahasiswa Baru Universitas Muhammadiyah Sidoarjo Menggunakan Algoritma Naïve Bayes Berbasis Web. Procedia of Engineering and Life Science, 1(2). https://doi.org/10.21070/pels.v1i2.1062

Wulandari, S., & Iqbal, M. (2021). Analisis Kelayakan Lokasi Promosi Dalam Penerimaan Mahasiswa Baru (PMB) Dengan Algoritma Naïve Bayes & Decission Tree C4.5. Kilat, 10(1). https://doi.org/10.33322/kilat.v10i1.1169




DOI: https://doi.org/10.37365/jti.v9i1.163

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.