IJCISIJCIS

International Journal of Computer and Information System (IJCIS)International Journal of Computer and Information System (IJCIS)

Penerimaan mahasiswa baru berada di garis depan proses operasional sekolah. Suksesnya setiap input perguruan tinggi berasal dari hal ini. Polimedia selalu melakukan penerimaan mahasiswa baru setiap tahun dengan berbagai strategi yang digunakan. Polimedia memiliki 23 program studi yang dapat memungkinkan bergerak di industri kreatif yang dapat dimanfaatkan oleh masyarakat. Dalam penelitian ini, digunakan strategi dengan algoritma prediksi untuk melihat peluang yang mungkin terjadi jika diterapkan pada tahun berikutnya. Dengan dataset 3738 data yang diterima oleh mahasiswa baru, akan dilakukan analisis terhadap calon mahasiswa yang telah melakukan registrasi ulang atau yang belum melakukan registrasi ulang. Model klasifikasi dengan 2 kelas akan digunakan. Dengan melakukan proses analisis data menggunakan Exploratory Data Analysis (EDA) dan juga melakukan pembersihan data sehingga proses pemodelan data berjalan dengan baik. Metode yang digunakan menggunakan model utama K-Nearest Neighbors dengan membandingkan dengan model pembelajaran mesin lainnya seperti decision tree dan random forest. Diharapkan penelitian ini dapat menghasilkan nilai akurasi yang tinggi sebesar 86,90% dengan perbandingan model pembelajaran mesin yang kuat. Penelitian ini juga diharapkan menjadi referensi untuk studi lain yang juga melakukan proses pengujian kinerja dengan model pembelajaran mesin menggunakan objek yang beragam.

Berdasarkan hasil penelitian, penulis dapat menyimpulkan bahwa pada rentang K = 10 hingga 30, tingkat kesalahan relatif rendah dan stabil, sekitar 0,18 hingga 0,2, yang menunjukkan bahwa model KNN bekerja cukup baik dengan tingkat kesalahan minimal pada interval tersebut.Dalam hal evaluasi model secara keseluruhan, hasil menggunakan random forest menunjukkan akurasi yang lebih baik daripada decision tree dan KNN.

Untuk penelitian lanjutan, dapat dilakukan dengan mengoptimalkan pemilihan nilai K pada algoritma KNN untuk meningkatkan akurasi model. Selain itu, dapat dilakukan perbandingan dengan model pembelajaran mesin lainnya seperti Support Vector Machine (SVM) atau Neural Network untuk melihat apakah akurasi dapat ditingkatkan lebih lanjut. Penelitian juga dapat dilakukan dengan menggunakan dataset yang lebih besar dan beragam untuk meningkatkan generalisasi model. Selain itu, dapat dilakukan analisis lebih mendalam terhadap fitur-fitur yang digunakan dalam model untuk memahami kontribusi masing-masing fitur terhadap akurasi prediksi.

  1. Performance Analysis of ResNet50 and Inception-V3 Image Classification for Defect Detection in 3D Food... ijaseit.insightsociety.org/index.php/ijaseit/article/view/19863Performance Analysis of ResNet50 and Inception V3 Image Classification for Defect Detection in 3D Food ijaseit insightsociety index php ijaseit article view 19863
  2. 0. pdf obj type catalog pages outlines endobj kids count parenttree rolemap worksheet part macrosheet... aircconline.com/csit/papers/vol10/csit100801.pdf0 pdf obj type catalog pages outlines endobj kids count parenttree rolemap worksheet part macrosheet aircconline csit papers vol10 csit100801 pdf
Read online
File size308.88 KB
Pages6
DMCAReport

Related /

ads-block-test