Klasifikasi Calon Mahasiswa Penerima Beasiswa Baznas Kota Pariaman Menggunakan Metode K-Nearest Neighbor

Bestia Dhelfiariani -
Dewi Murni -

Abstract


Scholarship is a financial aid provided to students and scholars who face economic constraints. One of the organizations that offers scholarships is the National Amil Zakat Agency (Baznas). The selection process for Baznas scholarship recipients requires a data classification system to assist in the decision-making process. This research aims to analyze the classification results and determine the most optimal level of accuracy. The method used in this research is the k-nearest neighbor. The classification results using k=22 on 41 testing data obtained 37 accurately classified data and 4 misclassified data. Out of the 37 accurately classified data, 17 are students receiving Baznas scholarships, and 20 are students not receiving Baznas scholarships, with the most optimal accuracy rate of 90% (excellent classification).

ABSTRAK

Beasiswa merupakan bantuan biaya pendidikan yang diberikan kepada siswa maupun mahasiswa yang terkendala secara ekonomi. Salah satu pihak yang memberikan beasiswa adalah Badan Amil Zakat Nasional (Baznas). Proses penyeleksian penerima beasiswa Baznas membutuhkan sistem pengklasifikasian data untuk membantu proses pengambilan keputusan penerima beasiswa Baznas. Penelitian ini bertujuan menganalisis hasil klasifikasi dan mengetahui tingkat akurasi paling optimal. Metode yang digunakan pada penelitian ini yaitu k-nearest neighbor. Hasil klasifikasi menggunakan k=22 pada 41 data testing diperoleh 37 data tepat klasifikasi dan terdapat 4 data tidak tepat klasifikasi. Dari 37 data tepat klasifikasi terdapat 17 data mahasiswa menerima beasiswa dan 20 data mahasiswa tidak menerima beasiswa Baznas dengan tingkat akurasi paling optimal 90% (excellent classification).


Full Text:

PDF

References


(Anggelia, O. (2020). Analisis Pengelolaan Program Beasiswa Satu Keluarga Satu Sarjana (Skss) Di Badan Amil Zakat Nasional (Baznas) Kabupaten Dharmasraya Dalam Mensejahterakan Pendidikan Mahasiswa Dharmasraya.

Pandie, E. S. Y. (2012). Sistem Informasi Pengambilan Keputusan Pengajuan Kredit Dengan Algoritma K-Nearest Neighbour (Studi Kasus: Koperasi Simpan Pinjam).

Khairi, A., Fais Ghozali, A., & Darul Nur Hidayah, A. (n.d.). Implementasi K-Nearest Neighbor (KNN) Untuk Klasifikasi Masyarakat Pra Sejahtera Desa Sapikerep Kecamatan Sukapura. 2(3), 319–323.

Cholil, S. R., Handayani, T., Prathivi, R., & Ardianita, T. (2021). Implementasi Algoritma Klasifikasi K-Nearest Neighbor (KNN) Untuk Klasifikasi Seleksi Penerima Beasiswa. IJCIT (Indonesian Journal on Computer and Information Technology), 6(2), 118–127.

Jaman, J. H., & Fahlevi, S. A. (2019). Klasifikasi Calon Mahasiswa Bidikmisi dengan Algoritma K-Nearest Neighbor. Annual Research Seminar (ARS), 5(1), 1–5.

Zerlinda, H. N., Slamet, I., & Zukhronah, E. (2019). 15. Klasifikasi Calon Penerima Bidikmisi Dengan Menggunakan Algoritma K-Nearest Neighbor. Seminar Nasional Penelitian Pendidikan Matematika (SNP2M), 88–93.

Pratama, A., Ma’ruf, F. A., Iin, & Rinaldi, A. R. (2021). Klasifikasi Penerima Beasiswa Dengan Menggunakan Algoritma K Nearest Neighbor. Jurnal Data Science & Informatika, 1(1), 11–15.

Rachma, C. A. (2022). Implementasi Algoritma K-Nearest Neighbor Dalam Penentuan Klasifikasi Tingkat Kedalaman Kemiskinan Provinsi Jawa Timur.

Leidiyana, H. (2013). Penerapan Algoritma K-Nearest Neighbor Untuk Penentuan Resiko Kredit Kepemilikan Kendaraan Bemotor. In Jurnal Penelitian Ilmu Komputer, System Embedded & Logic (Vol. 1, Issue 1).

Sumarlin. (2015). Implementasi Algoritma K-Nearest Neighbor Sebagai Pendukung Keputusan Klasifikasi Penerima Beasiswa. Prosiding Semmau, 16–23.

Afifanto, R. (2022). Algoritma K-Nearest Neighbour(K-NN) Dengan Euclidean dan Manhattan Distance untuk Klasifikasi Tingkat Kesejahteraan di Kabupaten Temanggung.

Ramaulidyah, F. N. (2020). Perbandingan Metode Klasifikasi Naive Bayes Dank-Nearest Neighbor Pada Data Status Pembayaran Pajak Pertambahan Nilai di Kantor Pelayanan Pajak Pratama Samarinda Ulu.

Imron, M. A. (2020). Peningkatan Akurasi Algoritmak-Nearestneighbormenggunakan Normalisasi Z-Scoredanparticle Swarm Optimizationuntuk Prediksi Customer Churn.

Azizah, N., Firdaus, M. R., Suyaningsih, R., Indrayatna, F., & Padjadjaran, U. (2023). Penerapan Algoritma Klasifikasi K-Nearest Neighbor pada Penyakit Diabetes. http://prosiding.snsa.statistics.unpad.ac.id.

Mustofa, Z., & Suasana, I. S. (2018). Algoritma Clustering K-Medoids Pada E-Government Bidang Information and Communication Technology dalam Penentuan Status EDGI. Jurnal Teknologi Informasi Dan Komunikasi, 9(1), 1–10.

Baskoro, Sriyanto, & Rini, L. S. (2021). Prediksi Penerima Beasiswa dengan Menggunakan Teknik Data Mining di Universitas Muhammadiyah Pringsewu. Seminar Nasional Hasil Penelitian Dan Pengabdian Masyarakat 2021, 87–94.

Rosandy, T. (2016). Perbandingan Metode Naive Bayes Classifier Dengan Metode Decision Tree (C4.5) Untuk Menganalisa Kelancaran Pembiayaan (Study Kasus : KSPPS / BMT AL-FADHILA). Jurnal TIM Darmajaya, 02(01), 52–62.

Hidayatul Nufus, A. (2023). Klasifikasi Masyarakat Penerima BPNT Program Sembako 2021 di Kelurahan Tiakar dengan Mengunakan Metode KNN Classifier. Journal Of Mathematics UNP, 8(2), 51–61.

Rahmadanti, S. (2020). Implementasi Metode K-Nearest Neighbor dalam Menentukan Kualitas Massa Batuan.




DOI: http://dx.doi.org/10.24036/unpjomath.v9i2.15408