PREDIKSI PENENTUAN PENERIMA BEASISWA DENGAN METODE KNEAREST NEIGHBOURS (Studi Kasus: Program Studi Sistem Informasi Fakultas Vokasi Universitas Airlangga)

Abstract

Sistem pendukung keputusan berupa prediksi penentuan penerima beasiswa online diharapkan dapat membantu dalam menentukan mahasiswa calon penerima beasiswa. Pada penelitian ini difokuskan pada studi kasus Program Studi Sistem Informasi Fakultas Vokasi, Universitas Airlangga. Banyaknya jumlah beasiswa yang masuk ke fakultas mengakibatkan staf kemahasiswaan kewalahan karena jumlah calon penerima beasiswa sangat banyak sedangkan beasiswa yang ditawarkan terbatas. Kuota beasiswa sendiri juga diberikan pada tiap program studi berdasarkan banyaknya jumlah mahasiswa pada tiap angkatan. Karena proses administrasi serba manual maka petugas kemahasiswaan kesulitan dalam menentukan penerima dari beasiswa yang ada pada tiap semesternya. Akibatnya beberapa beasiswa peruntukkannya belum tepat sasaran sehingga terkadang ada beberapa mahasiswa yang menerima beasiswa ganda akibat kelalaian dalam penentuan penerima beasiswa. Oleh karena permasalahan tersebut maka sistem pendukung berupa prediksi penentuan penerima beasiswa sangat dibutuhkan untuk saat ini demi membangun sistem terkomputerisasi yang terstruktur di lingkungan Program Studi Sistem Informasi Fakultas Vokasi, Universitas Airlangga. Metode penelitian yang digunakan mencakup pengumpulan data, analisis sistem, desain system, implementasi sistem dan evaluasi dan pengujian sistem. Sedangkan algoritma yang digunakan adalah Algoritma KNearest Neighbours. Nilai parameter K yang digunakan adalah 2. Indeks Kemiskinan dan Indeks Prestasi Kumulatif merupakan variabel yang diukur. Nilai akurasi yang dihasilkan oleh algoritma KNearest Neighbours dengan nilai K= 2 yaitu sebesar 83,4%.

Algoritma K-Nearest Neighbors dan Synthetic Minority Oversampling Technique dalam Prediksi Pemesanan Tiket Pesawat

“…Algoritma yang diusulkan dalam penelitian ini adalah algoritma K-Nearest Neighbors. Algoritma K-Nearest Neighbors adalah metode yang digunakan untuk mengklasifikasikan objek yang memiliki jarak paling dekat dengan objek berdasarkan data latih [8]. Jumlah sampel data pemesanan tiket pesawat yang didapatkan dari CV.…”

Kartu Indonesia Pintar (KIP) Scholarship: Target Reached or Missed?

“…Therefore, as a recipient of the Kartu Indonesia Pintar (KIP) scholarship, these students carry a great responsibility to themselves, the community, and the government (Santie & Wahono, 2018). However, the large number of applicants for this scholarship also makes the relevant parties overwhelmed in distributing scholarships to students who are entitled to them (Dina & Marjianto, 2018). It is also often due to the low accuracy of the selection and the inappropriate selection process, causing problems where students who should be entitled to a scholarship fail to receive it (Pasa et al, 2022).…”