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.