Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Topik Skripsi Mahasiswa di Fakultas Ilmu Komputer

Dalam suatu proses perkuliahan mahasiswa yang sudah menempuh
pendidikan cukup lama dan akan menyelesaikannya, maka harus melalui tahapan akhir yang harus dikerjakan. Salah satunya membuat skripsi merupakan tahapan yang harus dilewati semua mahasiswa jika ingin lulus dari universitas. Dalam pengambilan topik skripsi, Fakultas Ilmu Komputer Universitas Lancang Kuning memberikan beberapa pilihan topik atau peminatan yang dapat dipilih oleh mahasiswa. Pemilihan topik atau peminatan tersebut akan lebih baik jika tidak
hanya sesuai dengan minat tapi juga sesuai dengan kemampuan masing-masing mahasiswa. K-Nearest Neighbor merupakan salah satu metode yang digunakan dalam pengklasifikasian. Prinsip kerja K-Nearest Neighbor (KNN) adalah mencari jarak terdekat antara data yang akan dievaluasi dengan K-Nearest (neighbor)
terdekatnya dalam data pelatihan. Penggunaan K-Nearest Neighbor bertujuan untuk mengklasifikasikan objek baru berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek baru tersebut. Oleh karna itu knn sangat cocok
untuk prediksi topik skripsi mahasiswa menggunakan klasifikasi data.Kesimpulan yg didapat dari penelitian ini Optimasi nilai k menggunakan k-fold cross validation menghasilkan tingkat akurasi yaitu 56,67% dengan nilai k-fold cross validation = 2 dan nilai K-5. Dari hasil klasifikasi menggunakan Algoritma K-Nearest Neighbor hasilnya sebanyak 73 mahasiswa berminat mengambil topik
skripsi rekayasa perangkat lunak (RPL), 48 mahasiswa berminat mengambil topik skripsi kecerdasan buatan (AI) dan 0 atau tidak ada mahasiswa yang berminat mengambil topik skripsi jaringan.