Klasifikasi penerima bantuan beasiswa menggunakan algoritma k-nearest neighbor dengan seleksi fitur backward elimination

Wilda, Lorenza Ikrimatul (2023) Klasifikasi penerima bantuan beasiswa menggunakan algoritma k-nearest neighbor dengan seleksi fitur backward elimination. Undergraduate thesis, Universitas Muhammadiyah Jember.

	Text 1. PENDAHULUAN.pdf Download (1MB)
	Text 2. ABSTRAK.pdf Download (499kB)
	Text 3. BAB I.pdf Download (628kB)
	Text 4. BAB II.pdf Restricted to Repository staff only Download (677kB) \| Request a copy
	Text 5. BAB III.pdf Restricted to Repository staff only Download (700kB) \| Request a copy
	Text 6. BAB IV.pdf Restricted to Repository staff only Download (959kB) \| Request a copy
	Text 7. BAB V.pdf Restricted to Repository staff only Download (496kB) \| Request a copy
	Text 8. DAFTAR PUSTAKA.pdf Download (630kB)
	Text 9. LAMPIRAN.pdf Restricted to Repository staff only Download (674kB) \| Request a copy
	Text 10. ARTIKEL.pdf Download (930kB)

Abstract

Abstrak Beasiswa adalah bantuan berupa keuangan yang diberikan kepada siswa-siswi kurang mampu yang bertujuan untuk berlangsungnya pendidikan yang ditempuh selama masa studi, banyaknya jumlah siswa yang mengajukan permohonan untuk bantuan beasiswa dan kriteria evaluasi yang banyak pula maka tidak semua siswa yang mengajukan permohonan bantuan beasiswa bisa dikabulkan. Dalam penelitian ini dibahas tentang Klasifikasi Penerima Bantuan Beasiswa Menggunakan Algoritma K-Nearest Neighbour Dengan Seleksi Fitur Backward Elimination. Data yang digunakan dalam penelitian ini berasal dari SMK Darus Sholihin Puger dengan jumlah variabel sebanyak 11, dengan output iya dan tidak yang diperoleh dari data bantuan beasiswa sebanyak 293 siswa. Metode klasifikasi pada penelitian ini adalah membandingkan antara algoritma K-Nearest Neighbour tanpa seleksi fitur dan K-Nearest Neighbour dengan menggunakan seleksi fitur Backward Elimination. Hasil yang didapatkan dari penelitian ini adalah pada algoritma KNearest Neighbour tanpa seleksi fitur didapatkan hasil akurasi sebesar 82,91%, peresisi sebesar 84,52% dan recall 75,45%. Sedankan pada algoritma K-Nearest Neighbour degan menggunakan seleksi fitur Backward Elimination mendapatkan hasil akurasi sebesar 83,76%, peresisi 85,23% dan recall 76,78%. Kata Kunci : Klasifikasi, Bantuan Beasiswa K-Nearest Neighbor,Backward Elimination.

Item Type:

Thesis (Undergraduate)

Uncontrolled Keywords:

Classification, k-nearest neighbor scholarship aid, backward elimination

Subjects:

000 Computer Science, Information, & General Works > 005 Computer Programming, Programs, & Data

Divisions:

Faculty of Engineering > Department of Informatics Engineering (S1)

Department:

S1 Teknik Informatika

Depositing User:

Ikrimatul wilda lorenza