Sinus Repository

PENERAPAN ALGORITMA K-NEAREST NEIGHBORS UNTUK PREDIKSI KELULUSAN MAHASISWA PADA STMIK SINAR NUSANTARA SURAKARTA

Panoto, Agus (2015) PENERAPAN ALGORITMA K-NEAREST NEIGHBORS UNTUK PREDIKSI KELULUSAN MAHASISWA PADA STMIK SINAR NUSANTARA SURAKARTA. Other thesis, STMIK Sinar Nusantara Surakarta.

[img] PDF (07.5.00085 BAB I) - Published Version
Download (182Kb)
    [img] PDF (07.5.00085 BAB II) - Published Version
    Download (147Kb)
      [img] PDF (07.5.00085 BAB III) - Published Version
      Download (61Kb)
        [img] PDF (07.5.00085 BAB IV ) - Published Version
        Download (450Kb)
          [img] PDF (07.5.00085 BAB VI) - Published Version
          Download (1654Kb)
            [img] PDF (07.5.00085 COVER ) - Published Version
            Download (183Kb)
              [img] PDF (07.5.00085 DAFTAR PUSTAKA ) - Published Version
              Download (7Kb)

                Abstract

                Laporan Skripsi dengan judul “Penerapan Algoritma K-Nearest Neighbors Untuk Prediksi Kelulusan Mahasiswa Pada STMIK Sinar Nusantara” disusun berdasarkan penelitian yang dilaksanakan pada bulan November 2012 sampai pada bulan Januari 2013 di STMIK Sinar Nusantara Surakarta. Penyusunan laporan Skripsi ini adalah sebagai salah satu syarat untuk menyelesaikan Studi program Strata 1 di Sekolah Tinggi Manajemen Informatika dan Komputer (STMIK) di Sinar Nusantara Surakarta. Selain itu ada tujuan yang lebih penting yaitu menerapkan algoritma K-Nearest Neighbors untuk prediksi kelulusan mahasiswa. Adapun cakupan penelitian dari aplikasi ini adalah : proses input dataset training kemudian input data testing dan dilanjutkan dengan perhitungan menggunakan algoritma K-Nearest Neighbors sehingga diperoleh hasil prediksi tingkat kelulusan mahasiswa. Dalam membuat Aplikasi Prediksi Kelulusan Mahasiswa, perangkat lunak yang digunakan adalah Dreamweaver 8 sebagai software pengolah data dan MYSQL sebagai database server dan bahasa pemrograman yang digunakan adalah PHP. Sedangkan dalam hal pengumpulan data penulis menggunakan teknik wawancara, observasi langsung dan studi pustaka yang nanti dalam pembahasan masalahnya data akan dianalisa menggunakan Badan Alir Dokumen (BAD), Diagram Alir Data (DAD), Contex Diagram, Desain Input-Output, Desain Database, dan Desain Teknologi. Dengan memanfaatkan Aplikasi Prediksi Kelulusan Mahasiswa Dengan Algoritma K-Neirest Neigbors maka diharapkan dapat mendeteksi tingkat kelulusan sejak dini. Dari pengujian Sistem dengan menggunakan 40 data training dan 20 data uji terdapat 2 kesalahan hasil prediksi sehingga akurasinya adalah 90%.

                Item Type: Thesis (Other)
                Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
                Divisions: Faculty of Informatics Engineering > Department of Informatics Engineering
                Depositing User: Unnamed user with email diyah@sinus.ac.id
                Date Deposited: 23 Feb 2018 10:24
                Last Modified: 23 Feb 2018 10:24
                URI: http://eprints.sinus.ac.id/id/eprint/240

                Actions (login required)

                View Item