采用邻近的K-Nearest算法来预测潜在的辍学生

Journal Sensi Pub Date : 2023-01-27 DOI:10.33050/sensi.v9i1.2624

Nurwati Nurwati, Nur Azizah, Yudit Santoso

{"title":"采用邻近的K-Nearest算法来预测潜在的辍学生","authors":"Nurwati Nurwati, Nur Azizah, Yudit Santoso","doi":"10.33050/sensi.v9i1.2624","DOIUrl":null,"url":null,"abstract":"Peramalan atau prediksi mahasiswa berpotensi dropout digunakan untuk memonitor jumlah mahasiswa aktif agar perkuliahan lancar dan lulus tepat waktu. Prediksi menggunakan algoritma K-NN digunakan karena salah satu kelebihannya yaitu tangguh terhadap training data yang noise dan efektifapabila data latih nya besar. Setelah didapat hasil dari proses K-NN lalu dilakukan pengujian menggunakan confusionmatrix menghasilkan nilai akurasi 0,83. Nilai presisi 1 dan nilai recall 0,78. \n ","PeriodicalId":134510,"journal":{"name":"Journal Sensi","volume":"35 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-01-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Penerapan Algoritma K-Nearest Neighbor Untuk Prediksi Mahasiswa Berpotensi Dropout\",\"authors\":\"Nurwati Nurwati, Nur Azizah, Yudit Santoso\",\"doi\":\"10.33050/sensi.v9i1.2624\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Peramalan atau prediksi mahasiswa berpotensi dropout digunakan untuk memonitor jumlah mahasiswa aktif agar perkuliahan lancar dan lulus tepat waktu. Prediksi menggunakan algoritma K-NN digunakan karena salah satu kelebihannya yaitu tangguh terhadap training data yang noise dan efektifapabila data latih nya besar. Setelah didapat hasil dari proses K-NN lalu dilakukan pengujian menggunakan confusionmatrix menghasilkan nilai akurasi 0,83. Nilai presisi 1 dan nilai recall 0,78. \\n \",\"PeriodicalId\":134510,\"journal\":{\"name\":\"Journal Sensi\",\"volume\":\"35 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-01-27\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Journal Sensi\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.33050/sensi.v9i1.2624\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Journal Sensi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.33050/sensi.v9i1.2624","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

摘要

学生预测或预测潜在的dropout被用来监控活跃学生的数量，以便顺利完成大学学业。使用K-NN算法的预测是其在噪声训练和大数据培训方面的优势之一。在获得了K-NN进程的结果并进行了使用孔子矩阵的测试后，产生了0.83次准确性。精度1和召回值0.78。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

查看原文

微信好友朋友圈 QQ好友复制链接

本刊更多论文

Penerapan Algoritma K-Nearest Neighbor Untuk Prediksi Mahasiswa Berpotensi Dropout

Peramalan atau prediksi mahasiswa berpotensi dropout digunakan untuk memonitor jumlah mahasiswa aktif agar perkuliahan lancar dan lulus tepat waktu. Prediksi menggunakan algoritma K-NN digunakan karena salah satu kelebihannya yaitu tangguh terhadap training data yang noise dan efektifapabila data latih nya besar. Setelah didapat hasil dari proses K-NN lalu dilakukan pengujian menggunakan confusionmatrix menghasilkan nilai akurasi 0,83. Nilai presisi 1 dan nilai recall 0,78.

求助全文

通过发布文献求助，成功后即可免费获取论文全文。去求助

来源期刊

Journal Sensi

自引率

0.00%

发文量