Implementasi Algoritme Fuzzy K-Nearest Neighbor untuk Penentuan Lulus Tepat Waktu (Studi Kasus : Fakultas Ilmu Komputer Universitas Brawijaya)

Abstrak

Seiring dengan meningkatnya minat belajar pada perguruan tinggi, maka data kelulusan mahasiswa yang diarsipkan akan terus bertambah. Namun, data tersebut begitu besar jika diolah secara manual, sehingga diperlukan penerapan klasifikasi kelulusan mahasiswa yang dapat mengklasifikasikan data kelulusan berdasarkan parameter-parameter yang telah ditentukan. Cara-cara mengklasifikasikan objek telah banyak dikembangkan, salah satunya adalah Fuzzy K-Nearest Neighbor. Fuzzy K-Nearest Neighbor adalah salah satu metode yang digunakan untuk mengklasifikasikan objek dengan memperhitungkan derajat keanggotaan data pada tiap kelas. Dalam hal ini, percobaan Fuzzy K-Nearest Neighbor dilakukan pada masalah waktu lulus mahasiswa yang dikategorikan lulus tepat waktu dan lulus tidak tepat waktu. Dalam percobaan ini, Fuzzy K-Nearest Neighbor digunakan untuk mengidentifikasi mahasiswa berdasarkan indeks prestasi yang telah didapatnya. Dari hasil pengujian, Fuzzy K-Nearest Neighbor mampu mendapatkan nilai akurasi sebesar 98%. Akurasi tersebut didapatkan dari adanya pemberian bobot keanggotaan pada tiap kelas keluaran. Hal tersebut dapat meminimalisasi keraguan dalam penentuan kelas keluaran.