IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOUR UNTUK PREDIKSI KETEPATAN KELULUSAN

In an education system, students are an important asset of a college and therefore, it is important to pay attention to the percentage of students who graduate on time. However, there is an imbalance between the inputs and outputs of the completed students. Students who enroll in large numbers, but students who graduate on time compared to those who are late according to regulations are fewer. In this study, the author aims to apply the K-NN method using cross validation to predict student graduation rates at STMIK IKMI. The results of this study are in the form of models and evaluations of student graduation predictions, whether they graduate on time or not on time. Based on the results of the design, implementation, testing using the RapidMiner program for predicting student graduation using the k-NN method with Cross Validation resulting in an accuracy of 70.28%, an error of 29.78%, and AUC of 0.739   Keywords: Graduation, Student, K-NN, Cross ValidationDalam sebuah sistem pendidikan, mahasiswa merupakan aset penting dari sebuah perguruan tinggi dan oleh karena itu, penting untuk memperhatikan persentase mahasiswa yang lulus tepat waktu. Namun, ada ketidakseimbangan antara input dan output dari mahasiswa selesai. Mahasiswa yang mendaftar dalam jumlah besar, namun siswa yang lulus tepat waktu dibandingkan dengan yang terlambat sesuai peraturan lebih sedikit. Dalam penelitian ini penulis bertujuan untuk menerapkan metode K-NN meggunakan cross validation untuk prediksi tingkat kelulusan mahasiswa di STMIK IKMI. Hasil penelitian ini berupa model dan evaluasi hasil prediksi kelulusan mahasiswa, apakah lulus tepat waktu atau tidak tepat waktu. Berdasarkan hasil perancangan, implementasi, pengujian menggunakan program RapidMiner untuk prediksi kelulusan mahasiswa menggunakan metode k-NN dengan Cross Validation menghasilkan akurasi sebesar 70,28%, error sebesar 29,78%, dan AUC 0,739. Kata kunci : Kelulusan,Mahasiswa, K-NN, Cross Validatio