PERBANDINGAN ALGORITMA K-NN DAN CART PADA DATA MINING PENERIMAAN BEASISWA

Abstract

Abstrak - Beasiswa merupakan salah satu bantuan yang diberikan untuk seseorang dalam menunjang keberhasilan pendidikannya. Oleh sebab itu, sewajarnya beasiswa hanya diberikan kepada yang layak dan pantas mendapat beasiswa. Penulis akan membandingkan algoritma K-Nearest Neighbor (KNN) dan Classification and Regression Tress (CART) untuk memprediksi penerima beasiswa. Data yang diperlukan merupakan para mahasiswa pendaftar beasiswa STMIK AMIKOM Purwokerto pada 2015-2016 dengan jumlah data sekitar 150. Jenis kelamin, semester, IPK, pekerjaan orang tua, jumlah anggota keluarga, penghasilan orang tua, prestasi, dan status merupakan atribut dalam proses analisa. Dari perhitungan yang dilakukan, didapatkan hasil akurasi dari masing-masing algoritma yaitu 99.2958 % dengan nilai precision 0.993, recall 0.993, dan F- measure 0.993 pada algoritma KNN. Sementara pada algoritma CART didapatkan nilai akurasi sebesar 71.1268% dengan nilai precision 0.506, recall 0.711, dan F- measure 0.591.

Keywords— Beasiswa, Data Mining, Klasifikasi, KNN, CART