模拟邻近的K-Nearest算法,分析穆拉瓦曼大学信息工程学生的学术表现

Masna Wati, Novianti Puspitasari, A. Sinaga
{"title":"模拟邻近的K-Nearest算法,分析穆拉瓦曼大学信息工程学生的学术表现","authors":"Masna Wati, Novianti Puspitasari, A. Sinaga","doi":"10.30872/jurti.v6i2.1637","DOIUrl":null,"url":null,"abstract":"Analisa kinerja akademik pada Program Studi Teknik Informatika, Fakultas Ilmu Komputer dan Teknologi Informasi (FKTI), Universitas Mulawarman sangat diperlukan. Analisa kinerja ini bertujuan untuk mengantisipasi drop out (DO) mahasiswa. Dalam penelitian ini, algoritma K-Nearest Neighbor (K-NN) telah digunakan untuk menganalisa data akademik mahasiswa tiga angkatan (2012-2014) sebanyak 158 Data. Adapun alat bantu analisa menggunakan software Microsoft Excel dan Rapid Miner. Sebanyak 8 variabel terdiri dari Jenis Kelamin, Umur, IP Semester 1, IP Semester 2, IP Semester 3, IP Semester 4, IPK Hingga Semester 4 dan SKS, serta memiliki label predikat kelulusan Cepat, Tepat Waktu dan Terlambat.  Hasil dari penelitian ini menunjukan bahwa Ratio terbaik yang ditandai dengan pola dasar 70:30 dengan 112 data training dan 46 data testing mendapatkan nilai akurasi 76,09%, precision 45,57%, recall 43,30%, specificity 78,87%, dan error rate 23,91%. Sehingga dapat diketahui bahwa kinerja akademik mahasiswa dengan IP Semester 2 menjadi faktor yang paling berpengaruh.","PeriodicalId":102981,"journal":{"name":"Jurnal Rekayasa Teknologi Informasi (JURTI)","volume":"28 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-10-07","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Model Algoritma K-Nearest Neighbor Dalam Menganalisis Kinerja Akademik Mahasiswa Teknik Informatika Universitas Mulawarman\",\"authors\":\"Masna Wati, Novianti Puspitasari, A. Sinaga\",\"doi\":\"10.30872/jurti.v6i2.1637\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Analisa kinerja akademik pada Program Studi Teknik Informatika, Fakultas Ilmu Komputer dan Teknologi Informasi (FKTI), Universitas Mulawarman sangat diperlukan. Analisa kinerja ini bertujuan untuk mengantisipasi drop out (DO) mahasiswa. Dalam penelitian ini, algoritma K-Nearest Neighbor (K-NN) telah digunakan untuk menganalisa data akademik mahasiswa tiga angkatan (2012-2014) sebanyak 158 Data. Adapun alat bantu analisa menggunakan software Microsoft Excel dan Rapid Miner. Sebanyak 8 variabel terdiri dari Jenis Kelamin, Umur, IP Semester 1, IP Semester 2, IP Semester 3, IP Semester 4, IPK Hingga Semester 4 dan SKS, serta memiliki label predikat kelulusan Cepat, Tepat Waktu dan Terlambat.  Hasil dari penelitian ini menunjukan bahwa Ratio terbaik yang ditandai dengan pola dasar 70:30 dengan 112 data training dan 46 data testing mendapatkan nilai akurasi 76,09%, precision 45,57%, recall 43,30%, specificity 78,87%, dan error rate 23,91%. Sehingga dapat diketahui bahwa kinerja akademik mahasiswa dengan IP Semester 2 menjadi faktor yang paling berpengaruh.\",\"PeriodicalId\":102981,\"journal\":{\"name\":\"Jurnal Rekayasa Teknologi Informasi (JURTI)\",\"volume\":\"28 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-10-07\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Jurnal Rekayasa Teknologi Informasi (JURTI)\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.30872/jurti.v6i2.1637\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Rekayasa Teknologi Informasi (JURTI)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.30872/jurti.v6i2.1637","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

信息工程研究计划、计算机和信息技术学院(FKTI)的学术表现分析是必不可少的。这次绩效分析的目标是预测学生的退学。在这项研究中,K-Nearest算法(K-NN)被用来分析三年级学生的学术数据(201 -2014),共158个数据。与微软Excel软件和快速采集器一起进行计算机分析。这8个变量包括性别、年龄、第1学期的IP、第2学期的IP、第3学期的IP、第4学期的IP、第4学期的gpa和SKS,以及快速、及时和迟到的前成绩。这项研究的结果表明,以70:30为基调的最佳评分为112培训数据和46测试数据,准确率为76.09%,precision 45.57%, recall 43.30%, specificity 78.87%和误差为23.1%。因此,可以确定的是,拥有第二学期IP的学生的学术表现是影响最大的因素。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Model Algoritma K-Nearest Neighbor Dalam Menganalisis Kinerja Akademik Mahasiswa Teknik Informatika Universitas Mulawarman
Analisa kinerja akademik pada Program Studi Teknik Informatika, Fakultas Ilmu Komputer dan Teknologi Informasi (FKTI), Universitas Mulawarman sangat diperlukan. Analisa kinerja ini bertujuan untuk mengantisipasi drop out (DO) mahasiswa. Dalam penelitian ini, algoritma K-Nearest Neighbor (K-NN) telah digunakan untuk menganalisa data akademik mahasiswa tiga angkatan (2012-2014) sebanyak 158 Data. Adapun alat bantu analisa menggunakan software Microsoft Excel dan Rapid Miner. Sebanyak 8 variabel terdiri dari Jenis Kelamin, Umur, IP Semester 1, IP Semester 2, IP Semester 3, IP Semester 4, IPK Hingga Semester 4 dan SKS, serta memiliki label predikat kelulusan Cepat, Tepat Waktu dan Terlambat.  Hasil dari penelitian ini menunjukan bahwa Ratio terbaik yang ditandai dengan pola dasar 70:30 dengan 112 data training dan 46 data testing mendapatkan nilai akurasi 76,09%, precision 45,57%, recall 43,30%, specificity 78,87%, dan error rate 23,91%. Sehingga dapat diketahui bahwa kinerja akademik mahasiswa dengan IP Semester 2 menjadi faktor yang paling berpengaruh.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
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