Penerapan Algoritma K-Nearest Neighbor (K-NN) untuk Prediksi Kelulusan Mahasiswa Berdasarkan Nilai
Keywords:
K-Nearest Neighbor (KNN), prediksi kelulusan, machine learning, mahasiswaAbstract
Penelitian ini bertujuan untuk menerapkan algoritma K-Nearest Neighbor (K-NN) dalam memprediksi kelulusan mahasiswa berdasarkan nilai akademik mereka. Dataset yang digunakan mencakup nilai tugas, nilai UTS, dan nilai UAS mahasiswa. Proses penelitian meliputi pengumpulan data, normalisasi, penerapan algoritma K-NN, dan evaluasi akurasi model. Hasil penelitian menunjukkan bahwa K-NN mampu memprediksi status kelulusan mahasiswa dengan tingkat akurasi yang tinggi, sehingga dapat menjadi alat bantu dalam pengambilan keputusan akademik.
References
L. Smith, "Machine Learning for Student Performance Prediction," International Journal of Education Technology, 2023.
P. Brown, Introduction to K-Nearest Neighbor Algorithm, Springer, 2021.
UCI Machine Learning Repository, "Student Performance Data Set," 2014. [Online]. Available: https://archive.ics.uci.edu/ml/datasets/Student+Performance
