IMPLEMENTASI METODE K-NEARST NEIGHBOR (K-NN) MEMPREDIKSI NILAI AKADEMIK MAHASISWA BERDASARKAN INDEKS PRESTASI SEMESTER

INFOTECH journal Pub Date : 2024-01-18 DOI:10.31949/infotech.v10i1.8066

Dede Abdurahman, Suhendri, Deffy Susanti, Dede Didin

{"title":"IMPLEMENTASI METODE K-NEARST NEIGHBOR (K-NN) MEMPREDIKSI NILAI AKADEMIK MAHASISWA BERDASARKAN INDEKS PRESTASI SEMESTER","authors":"Dede Abdurahman, Suhendri, Deffy Susanti, Dede Didin","doi":"10.31949/infotech.v10i1.8066","DOIUrl":null,"url":null,"abstract":"Perguruan tinggi, seperti Universitas Majalengka, memiliki peran penting dalam memberikan pendidikan akademik dan profesional. Untuk meningkatkan kualitas layanan akademik, Fakultas Teknik Universitas Majalengka merancang aplikasi berbasis web menggunakan metode K-Nearest Neighbor (KNN) untuk memprediksi perkembangan Indeks Prestasi (IP) mahasiswa. Dengan tujuan memantau dan membantu mahasiswa dalam merencanakan studi mereka, aplikasi ini menggabungkan teknologi informasi dan algoritma KNN. Hasil penelitian menunjukkan bahwa aplikasi ini berhasil memprediksi kemajuan IP mahasiswa secara akurat. Dosen pembimbing akademik dapat menggunakan prediksi ini untuk memberikan pendampingan kepada mahasiswa yang berpotensi mengalami penurunan nilai. Dengan pendekatan waterfall dalam pengembangan sistem aplikasi, serta implementasi metode KNN, aplikasi ini menjadi alat yang berharga dalam meningkatkan kualitas pendidikan di Fakultas Teknik Universitas Majalengka. Dengan demikian, aplikasi ini membawa manfaat bagi dosen, Fakultas \nTeknik, dan mahasiswa, membantu mereka dalam merencanakan strategi peningkatan prestasi akademik. Dengan pemanfaatan teknologi dan prediksi yang tepat, aplikasi ini mendukung pencapaian visi dan misi Fakultas Teknik untuk berperan aktif dalam pembangunan teknologi, ilmu pengetahuan, dan seni nasional.","PeriodicalId":259913,"journal":{"name":"INFOTECH journal","volume":"233 3","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2024-01-18","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"INFOTECH journal","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.31949/infotech.v10i1.8066","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

Perguruan tinggi, seperti Universitas Majalengka, memiliki peran penting dalam memberikan pendidikan akademik dan profesional. Untuk meningkatkan kualitas layanan akademik, Fakultas Teknik Universitas Majalengka merancang aplikasi berbasis web menggunakan metode K-Nearest Neighbor (KNN) untuk memprediksi perkembangan Indeks Prestasi (IP) mahasiswa. Dengan tujuan memantau dan membantu mahasiswa dalam merencanakan studi mereka, aplikasi ini menggabungkan teknologi informasi dan algoritma KNN. Hasil penelitian menunjukkan bahwa aplikasi ini berhasil memprediksi kemajuan IP mahasiswa secara akurat. Dosen pembimbing akademik dapat menggunakan prediksi ini untuk memberikan pendampingan kepada mahasiswa yang berpotensi mengalami penurunan nilai. Dengan pendekatan waterfall dalam pengembangan sistem aplikasi, serta implementasi metode KNN, aplikasi ini menjadi alat yang berharga dalam meningkatkan kualitas pendidikan di Fakultas Teknik Universitas Majalengka. Dengan demikian, aplikasi ini membawa manfaat bagi dosen, Fakultas Teknik, dan mahasiswa, membantu mereka dalam merencanakan strategi peningkatan prestasi akademik. Dengan pemanfaatan teknologi dan prediksi yang tepat, aplikasi ini mendukung pencapaian visi dan misi Fakultas Teknik untuk berperan aktif dalam pembangunan teknologi, ilmu pengetahuan, dan seni nasional.

查看原文本刊更多论文

基于学期平均学分绩点预测学生学业成绩的 k-nearest neighbour (k-nn) 方法的实施

像玛雅伦卡大学（Universitas Majalengka）这样的大学在提供学术和专业教育方面发挥着重要作用。为了提高学术服务的质量，玛雅伦卡大学工程学院设计了一个基于网络的应用程序，使用 K-Nearest Neighbor (KNN) 方法来预测学生平均学分绩点（IP）的发展情况。该应用程序结合了信息技术和 KNN 算法，旨在监测和协助学生规划学业。研究结果表明，该应用程序能准确预测学生的平均学分绩点。教学督导可利用这一预测结果，为成绩有可能下降的学生提供帮助。通过采用瀑布式方法开发应用系统和实施 KNN 方法，该应用系统成为提高 Majalengka 大学工程学院教育质量的重要工具。因此，该应用程序为讲师、工程学院和学生带来了好处，帮助他们规划提高学习成绩的策略。通过对技术和预测的合理利用，该应用程序有助于实现工程学院的愿景和使命，在国家技术、科学和艺术的发展中发挥积极作用。

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

INFOTECH journal

自引率

0.00%

发文量