SISTEM INFORMASI PENENTUAN CALON PENERIMA BEASISWA DENGAN METODE KLASIFIKASI K – NEAREST NEIGHBOR (KNN)

Wahyuningsih, Eka Rista (2018) SISTEM INFORMASI PENENTUAN CALON PENERIMA BEASISWA DENGAN METODE KLASIFIKASI K – NEAREST NEIGHBOR (KNN). Skripsi thesis, Universitas Panca Marga.

[img]
Preview
Text
1. COVER NEW Eka Rista Wahyuningsih.pdf

Download (125kB) | Preview
[img] Text
3. DAFTAR IS1 Eka Rista Wahyuningsih.pdf
Restricted to perpustakaan UPM

Download (125kB)
[img]
Preview
Text
2. ABSTRAK Eka Rista Wahyuningsih.pdf

Download (150kB) | Preview
[img] Text
BAB 1 Eka Rista Wahyuningsih.pdf
Restricted to perpustakaan UPM

Download (166kB)
[img] Text
BAB 2 Eka Rista Wahyuningsih.pdf
Restricted to perpustakaan UPM

Download (988kB)
[img] Text
BAB 3 Eka Rista Wahyuningsih.pdf
Restricted to perpustakaan UPM

Download (583kB)
[img] Text
BAB 4 Eka Rista Wahyuningsih.pdf
Restricted to perpustakaan UPM

Download (970kB)
[img] Text
BAB 5 Eka Rista Wahyuningsih.pdf
Restricted to perpustakaan UPM

Download (145kB)
[img] Text
daftar pustaka Eka Rista Wahyuningsih.pdf
Restricted to perpustakaan UPM

Download (163kB)

Abstract

Penelitian ini bertujuan untuk membuat sistem informasi penentuan calon penerima beasiswa dengan cepat dan akurat. Dalam menentukan calon penerima beasiswa harus tepat sasaran agar siswa yang benar-benar menerima beasiswa tidak dirugikan. Selama ini SMKN 1 Dringu untuk menentukan calon penerima beasiswa dengan menggunakan komputerisasi Microsoft exel, namun hal ini rentang dengan kesalahan. Untuk mencegah hal tersebut dibutuhkan sebuah algoritma data mining untuk mengekstrak data lebih dalam lagi sehingga bisa membuat pihak sekolah lebih bijak dalam menentukan siswa yang berhak mendapat beasiswa. Metode yang digunakan untuk menyelesaikan persoalan ini adalah menggunakan teknik data mining yaitu klasifikasi. Metode klasifikasi yang digunakan dalam penelitian ini adalah metode K-Nearest Neighbor, dimana prinsip kerja K-Nearest Neighbor adalah mencari jarak terdekat antara data yang akan di evaluasi denan K- Nearest Neighbor terdekatnya dalam data pelatihan.Hasil akurasiyang diperoleh dalam 100 data sampel yang dijadikan acuan dalam perhitungan K-Nearest Neighbor dalam menghasilkan keputusan diperoleh nilai keakuratan sebesar 70%.Outputnya dari sitem yang dibangun dapat dijadikan sebagai acuan bagi siswa untuk meningkatkan prestasi dan predikat pembelajaran dimasa yang akan datang.

Item Type: Thesis ( Skripsi)
Uncontrolled Keywords: K-NN , Klasifikasi , Beasiswa.
Subjects: Fakultas Teknik dan Informatika
Divisions: S1 Teknik Elektro
Fakultas dan Lembaga Layanan Universitas > Fakultas Teknik dan Informatika > S1 Teknik Elektro
Depositing User: Admin Perpustakaan
Date Deposited: 26 Jun 2025 04:01
Last Modified: 26 Jun 2025 04:01
URI: http://repository.upm.ac.id/id/eprint/5440

Actions (login required)

View Item View Item