RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JENIS BEASISWA MENGGUNAKAN KNN

Ludfiyatul Qoiriyah, H. Purwanto, Wiji Setiyaningsih
{"title":"RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JENIS BEASISWA MENGGUNAKAN KNN","authors":"Ludfiyatul Qoiriyah, H. Purwanto, Wiji Setiyaningsih","doi":"10.21067/jtst.v1i2.3455","DOIUrl":null,"url":null,"abstract":"Beasiswa merupakan pembiayaan dari orang lain, perusahaan, universitas, dan lembaga lain yang salah satunya yaitu oleh Universitas Kanjuruhan Malang. Selama ini proses penyeleksian beasiswa dilakukan staf dengan menginputkan data mahasiswa satu persatu dalam excel. Pengelolaan data secara manual yang dilakukan oleh staf tersebut dapat meningkatkan terjadinya kesalahan, seperti terdapat data yang sama atau duplikasi data, penginputan data yang salah dan pengecekan ulang pada data dalam jumlah besar dapat membuat ketelitian staf menurun. Hal tersebut dapat mempengaruhi hasil penentuan beasiswa sehingga tidak sesuai dengan kriteria dan kemungkinan terjadinya pengulangan penerimaan beasiswa pada mahasiswa yang sama semakin besar. Metode K-Nearest Neighbor (KNN) merupakan sebuah metode yang mengklasifikasikan data dan memiliki konsistensi yang kuat dengan melakukan klasifikasi berdasarkan menghitung kedekatan jarak antara kasus baru dengan kasus lama. Sistem menghasilkan hasil penentuan jenis beasiswa berdasarkan kriterian yang telah ditentukan, yaitu IPK, semester, penghasilan dan tanggungan orang tua. Berdasarkan hasil pengujian user acceptance test yang dilakukan, dapat diambil kesimpulan bahwa penerapan metode Nearest Neighbor (KNN) untuk menentukan jenis beasiswa memberikan hasil yang diharapkan dan diterima dengan baik dengan presentase hingga 86% serta dapat membantu mempermudah kinerja staf.","PeriodicalId":332802,"journal":{"name":"RAINSTEK : Jurnal Terapan Sains & Teknologi","volume":"46 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2019-06-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"6","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"RAINSTEK : Jurnal Terapan Sains & Teknologi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.21067/jtst.v1i2.3455","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 6

Abstract

Beasiswa merupakan pembiayaan dari orang lain, perusahaan, universitas, dan lembaga lain yang salah satunya yaitu oleh Universitas Kanjuruhan Malang. Selama ini proses penyeleksian beasiswa dilakukan staf dengan menginputkan data mahasiswa satu persatu dalam excel. Pengelolaan data secara manual yang dilakukan oleh staf tersebut dapat meningkatkan terjadinya kesalahan, seperti terdapat data yang sama atau duplikasi data, penginputan data yang salah dan pengecekan ulang pada data dalam jumlah besar dapat membuat ketelitian staf menurun. Hal tersebut dapat mempengaruhi hasil penentuan beasiswa sehingga tidak sesuai dengan kriteria dan kemungkinan terjadinya pengulangan penerimaan beasiswa pada mahasiswa yang sama semakin besar. Metode K-Nearest Neighbor (KNN) merupakan sebuah metode yang mengklasifikasikan data dan memiliki konsistensi yang kuat dengan melakukan klasifikasi berdasarkan menghitung kedekatan jarak antara kasus baru dengan kasus lama. Sistem menghasilkan hasil penentuan jenis beasiswa berdasarkan kriterian yang telah ditentukan, yaitu IPK, semester, penghasilan dan tanggungan orang tua. Berdasarkan hasil pengujian user acceptance test yang dilakukan, dapat diambil kesimpulan bahwa penerapan metode Nearest Neighbor (KNN) untuk menentukan jenis beasiswa memberikan hasil yang diharapkan dan diterima dengan baik dengan presentase hingga 86% serta dapat membantu mempermudah kinerja staf.
用KNN设计支持奖学金类型的系统
奖学金是由贫穷的kan锅炉大学提供的其他人、公司、大学和其他机构的资金。在这段时间里,工作人员筛选奖学金的过程中,将学生的数据一个接一个地保存下来。员工手动管理数据会增加错误,比如拥有相同的数据或数据复制、错误的数据输入和对大量数据的交叉检查等。这可能会影响奖学金的决定结果,因此不符合同一学生重新获得奖学金的标准和可能性越来越大。近端方法是一种对数据进行分类的方法,它通过计算新病例和旧病例之间的距离距离来对数据进行分类。这种制度产生了基于平均绩点、学期、父母收入和负担的规定奖学金类型的结果。根据所进行的用户验证测试结果,可以得出这样的结论:选择正确的奖学金方法(KNN),可以在百分比高达86%的情况下提供预期结果和接受结果,并可以帮助员工更好地工作。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信