Perbandingan Model Klasifikasi Kelulusan Mahasiswa Berdasarkan Riwayat Akademis Menggunakan Agoritma K-nearest Neighbor dan Fuzzy K-nearest Neighbor

Universitas Buana Perjuangan Karawang (UBP Karawang) memiliki lebih dari dua belas ribu mahasiswa, termasuk lebih dari seribu mahasiswa di Program Studi Teknik Informatika. Meskipun sebagian besar mahasiswa dapat lulus tepat waktu, beberapa mahasiswa tidak dapat lulus tepat waktu karena berbagai alasan. Presentasi kemampuan mahasiswa untuk menyelesaikan studi tepat waktu menjadi salah satu elemen penilaian dalam akreditasi universitas, yang juga mempengaruhi kapasitas ruang kelas, rasio dosen-mahasiswa, dan kapasitas tempat parkir. Oleh karena itu, diperlukan sebuah model klasifikasi untuk mengatasi masalah kelulusan mahasiswa. Klasifikasi kelulusan mahasiswa dapat membantu mengidentifikasi pola-pola yang tidak terdeteksi sebelumnya dan memberikan informasi dalam menganalisis data mahasiswa dalam jumlah besar. Algoritma K-NN dan FK-NN dalam penelitian memberikan kajian untuk universitas terhadap kelulusan mahasiswa. Dari hasil penelitian ini, klasifikasi kelulusan mahasiswa menggunakan algoritma K-NN memperoleh nilai akurasi 98% dan algoritma FK-NN memperoleh nilai akurasi 96%. Oleh karena itu, algoritma K-NN dapat dianggap lebih baik dalam klasifikasi kelulusan karena memiliki nilai akurasi lebih tinggi dari algoritma FK-NN.

Kata Kunci : Algoritma K-NN, Algoritma FK-NN, Kelulusan Mahasiswa, Model Klasifikasi.