RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JENIS BEASISWA MENGGUNAKAN KNN

Authors

  • Ludfiyatul Qoiriyah Sistem Informasi Universitas Kanjuruhan Malang
  • Hari Lugis Purwanto
  • Wiji Setiyaningsih

DOI:

https://doi.org/10.21067/jtst.v1i2.3455

Keywords:

sistem pendukung keputusan, beasiswa, KNN

Abstract

Beasiswa merupakan pembiayaan dari orang lain, perusahaan, universitas, dan lembaga lain yang salah satunya yaitu oleh Universitas Kanjuruhan Malang. Selama ini proses penyeleksian beasiswa dilakukan staf dengan menginputkan data mahasiswa satu persatu dalam excel. Pengelolaan data secara manual yang dilakukan oleh staf tersebut dapat meningkatkan terjadinya kesalahan, seperti terdapat data yang sama atau duplikasi data, penginputan data yang salah dan pengecekan ulang pada data dalam jumlah besar dapat membuat ketelitian staf menurun. Hal tersebut dapat mempengaruhi hasil penentuan beasiswa sehingga tidak sesuai dengan kriteria dan kemungkinan terjadinya pengulangan penerimaan beasiswa pada mahasiswa yang sama semakin besar. Metode K-Nearest Neighbor (KNN) merupakan sebuah metode yang mengklasifikasikan data dan memiliki konsistensi yang kuat dengan melakukan klasifikasi berdasarkan menghitung kedekatan jarak antara kasus baru dengan kasus lama. Sistem menghasilkan hasil penentuan jenis beasiswa berdasarkan kriterian yang telah ditentukan, yaitu IPK, semester, penghasilan dan tanggungan orang tua. Berdasarkan hasil pengujian user acceptance test yang dilakukan, dapat diambil kesimpulan bahwa penerapan metode Nearest Neighbor (KNN) untuk menentukan jenis beasiswa memberikan hasil yang diharapkan dan diterima dengan baik dengan presentase hingga 86% serta dapat membantu mempermudah kinerja staf.

Downloads

Published

2019-06-28

How to Cite

Qoiriyah, L., Purwanto, H. L., & Setiyaningsih, W. (2019). RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JENIS BEASISWA MENGGUNAKAN KNN. RAINSTEK: Jurnal Terapan Sains Dan Teknologi, 1(2), 64–72. https://doi.org/10.21067/jtst.v1i2.3455

Issue

Section

Articles

Most read articles by the same author(s)