Penerapan Metode Resampling dan K – Nearest Neighbor dalam Memprediksi Keberhasilan Studi Mahasiswa Program Magister IPB
View/ Open
Date
2018Author
Andrian, Devi
Soleh, Agus M
Wijayanto, Hari
Metadata
Show full item recordAbstract
Sekolah Pascasarjana IPB dipercaya menghasilkan lulusan yang berkualitas
dan berdaya saing tinggi, namun berdasarkan data yang ada, terdapat sebagian kecil
mahasiswa yang tidak lulus, baik mengundurkan diri maupun Drop Out. Hal
tersebut perlu ditangani salah satunya dengan menerapkan metode klasifikasi KNearest
Neighbor (KNN) untuk memprediksi potensi keberhasilan studi
mahasiswa. Peubah respon yang digunakan adalah status keberhasilan studi
mahasiswa, yaitu lulus dan tidak lulus. Sedangkan peubah penjelas adalah profil
dan latar belakang pendidikan S1 mahasiswa. Terdapat ketakseimbangan pada data
yang diperoleh, kelas tidak lulus berjumlah jauh lebih sedikit dibandingkan kelas
lulus. Hal ini dapat menurunkan nilai akurasi klasifikasi pada kelas minoritas
(sensitivitas) sehingga dilakukan penanganan ketakseimbangan data dengan
menggunakan Random Over Sampling (ROS), Random Under Sampling (RUS),
dan Random Over-Under Sampling (ROUS). Nilai evaluasi hasil klasifikasi KNN
(k = 1 hingga 6), mengalami peningkatan nilai sensitivitas setelah disertai
penanganan ketakseimbangan data, meskipun nilai akurasi dan spesifisitas
mengalami penurunan. Metode KNN dengan k = 6 disertai ROS merupakan skema
klasifikasi KNN terbaik dalam memprediksi potensi keberhasilan studi mahasiswa
program magister IPB dibandingkan skema lainnya. Nilai rataan dan median
sensitivitas sebesar 0.89 dan 0.89, nilai rataan dan median spesifisitas sebesar 0.75
dan 0.75, serta nilai rataan dan median akurasi sebesar 0.77 dan 0.77.