KNN vs Naive Bayes Untuk Deteksi Dini Putus Kuliah Pada Profil Akademik Mahasiswa
-
Published:2019-12-14
Issue:2
Volume:3
Page:116
-
ISSN:2580-667X
-
Container-title:Jurnal Rekayasa Teknologi Informasi (JURTI)
-
language:
-
Short-container-title:JURTI
Author:
Kamila Vina Zahrotun,Subastian Eko
Abstract
Penelitian ini membahas bagaimana perbandingan KNN dan Naive Bayes dalam memprediksi potensi putus kuliah pada mahasiswa. Data yang dijadikan variabel independen adalah data akademik yaitu nilai semester 1 hingga 6. Hasil dari penelitian ini diharapkan menjadi pedoman dalam menerapkan algoritma ke dalam sistem deteksi dini putus kuliah. Algoritma-algoritma ini diterapkan dengan library Scikit-learn pada Python. Nilai akurasi yang dihasilkan dari penelitian ini menunjukkan Naive Bayes (92%) lebih unggul dalam memprediksi status putus kuliah mahasiswa dibandingkan dengan algoritma KNN (85%). Namun perlu dilakukan penelitian lanjutan lagiuntuk menguji konsistensi dan akurasi pada data yang lebih besar dan lebih beragam.
Publisher
Universitas Mulawarman
Subject
General Arts and Humanities
Cited by
1 articles.
订阅此论文施引文献
订阅此论文施引文献，注册后可以免费订阅5篇论文的施引文献，订阅后可以查看论文全部施引文献
1. Design and Analysis of Automated Machine Learning (AutoML) in PowerBI Application Using PyCaret;2022 International Conference of Science and Information Technology in Smart Administration (ICSINTESA);2022-11-10