Klasifikasi Masa Studi Mahasiswa Program Studi Teknik Informatika Menggunakan Algoritma K-Nearest Neighbor

Abstract

Masa Studi, Data mining, K-NN, Klasifikasi, Mahasiswa Masa studi siswa merupakan salah satu indikator penting dalam menilai kualitas pendidikan tinggi. Program Studi Teknik Informatika di Universitas Kristen Wira Wacana Sumba (UNKRISWINA Sumba) menghadapi tantangan dalam meningkatkan waktu penerimaan mahasiswa, dengan masih banyaknya mahasiswa angkatan atas yang belum menyelesaikan tugas akhir mereka. Mahasiswa mengalami kesulitan menyelesaikan studi tepat waktu karena berbagai faktor, seperti kurangnya kesiapan akademik, minimnya bimbingan, serta kendala dalam mengakses sumber daya pendukung. Penelitian ini bertujuan untuk melakukan analisis dan pengelolaan data akademik mahasiswa dengan memanfaatkan algoritma K-Nearest Neighbor (K-NN) guna mengidentifikasi pola yang berpotensi menyebabkan keterlambatan masa studi. Proses dilakukan melalui tahapan pengumpulan data, pra-pemrosesan, pengelompokan berdasarkan masa studi, penerapan algoritma K-NN, dan evaluasi kinerja model menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa nilai K terbaik berbeda-beda untuk tiap angkatan, dengan akurasi tertinggi sebesar 92,31% pada angkatan 2020 saat menggunakan K=3. Model klasifikasi ini terbukti efektif dalam memprediksi masa belajar siswa dan dapat digunakan sebagai alat bantu dalam mendeteksi risiko keterlambatan belajar. Hasil ini diharapkan dapat memberikan wawasan bagi pihak program studi untuk merancang strategi intervensi yang lebih tepat sasaran dan berbasis data.