Sistem Pendukung Keputusan Pemilihan Mahasiswa Penerima Beasiswa dengan K-NN dan ELECTRE

Deny Nugroho Triwibowo, Ahmad Kurniadi, Siti Hartinah

Abstract


Beasiswa merupakan salah satu yang merangsang siswa untuk pengingkatan prestasi belajar. Namun, kenyataannya banyak pelajar berprestasi yang ingin melanjutkan pendidikan   terhalang akan biaya yang harus dikeluarkan. Sejauh ini Pemerintah dan pihak swasta telah berupaya membantu pelajar – pelajar yang kurang mampu dengan program beasiswa yang diberikan. Akan tetapi, seringkali mengalami masalah dalam menentukan siapa saja siswa yang tepat menerima beasiswa karena setiap siswa mempunyai karakteristik maupun latar belakang yang berbeda-beda yang akan digunakan sebagai acuan pertimbangan dalam menentukan beasiswa. Sehingga diperlukan sebuah sistem pendukung keputusan yang berguna untuk melakukan perangkingan siapa saja pelajar yang berhak menerima beasiswa. Adapun metode yang digunakan dalam melakukan klasifikasi data siswa yang berprestasi menggunakan K-NN dan metode yang digunakan untuk perangkingan hasil klasifikasi K-NN menggunakan ELECTRE. Hasil perhitungan yang dilakukan, dari 12 mahasiswa yang masuk ke dalam klasifikasi mahasiswa berprestasi, setelah dilakukan perankingan hanya 2 mahasiswa yang memiliki nilai tertinggi untuk mahasiswa yang berprestasi dan kurang mampu untuk mendapatkan beasiswa.


Keywords


Beasiswa; ELECTRE; K-Nearest Neighbor; Sistem Pendukung Keputusan

References


Amra, I. A. A., & Maghari, A. Y. (2017, May). Students performance prediction using KNN and Naïve Bayesian. In 2017 8th International Conference on Information Technology (ICIT) (pp. 909-913). IEEE.

Bhatia, N. (2010). Survey of nearest neighbor techniques. arXiv preprint arXiv:1007.0085.

Christobel, Y. A., & Sivaprakasam, P. (2013). A new classwise k nearest neighbor (CKNN) method for the classification of diabetes dataset. International Journal of Engineering and Advanced Technology, 2(3), 396-200.

Han, J., Pei, J., & Kamber, M. (2011). Data mining: concepts and techniques. Elsevier.

Wijianto, V. M. A. (2018). Comparison Methods of ELECTRE and Simple Additive Weighting (SAW) Methods in Determining the Best Employees of Reward Recipients.

Sugiyarti, E., Jasmi, K. A., Basiron, B., Huda, M., Shankar, K., & Maseleno, A. (2018). Decision support system of scholarship grantee selection using data mining. International Journal of Pure and Applied Mathematics, 119(15), 2239-2249.

Qoiriyah, L., Purwanto, H. L., & Setiyaningsih, W. (2019). Rancang Bangun Sistem Pendukung Keputusan Penentuan Jenis Beasiswa Menggunakan Knn. RAINSTEK: Jurnal Terapan Sains & Teknologi, 1(2), 64-72.

Sulistyo, D., & Winiarti, S. (2015). Pemanfatan Informasi Teknologi Dalam Penentuan Beasiswa Siswa Kurang Mampu. Jurnal Informatika Ahmad Dahlan, 9(1), 102213.

Tasril, V. (2018). Sistem Pendukung Keputusan Pemilihan Penerimaan Beasiswa Berprestasi Menggunakan Metode Elimination Et Choix Traduisant La Realite. INTECOMS: Journal of Information Technology and Computer Science, 1(1), 100-109.


DOI http://dx.doi.org/10.35585/inspir.v9i2.2531
Abstract 258 kali dilihat
PDF (Indonesian) 143 kali diunduh PDF (Indonesian) 98 kali diunduh

Refbacks

  • There are currently no refbacks.

Comments on this article

View all comments



Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial-BerbagiSerupa 4.0 Internasional.