IMPLEMENTASI DATA MINING UNTUK PEMILIHAN PROGRAM STUDI CALON MAHASISWA PERGURUAN TINGGI NEGERI DENGAN ALGORITMA K-SUPPORT VECTOR NEAREST NEIGHBOR (K-SVNN)

Data mining merupakan penemuan model dalam data yang juga disebut analisis data ekplorasi, dan menemukan pengetahuan yang berguna, valid, tidak terduga, dan dapat dipahami dari data. Berdasarkan buku statistik perguruan tinggi 2017 jumlah mahasiswa yang terdaftar sebanyak 6.924.511 orang dan jumlah mahasiswa drop-out mencapai 2.8% dari total mahasiswa terdaftar. Salah satu penyebab mahasiswa mengalami drop-out dikarenakan tertekan pada mata kuliah yang tidak dimengerti sehingga memicu mahasiswa tidak mampu melanjutkan kuliah. Bahkan 45% mahasiswa merasa salah mengambil program studi. Algoritma k-support vector nearest neighbor (k-svnn) menjadi salah satu alternatif metode hasil evolusi k-nearest neighbor (k-nn) yang bertujuan untuk mereduksi data latih sebelum melakukan prediksi tetapi diharapkan dapat tetap mempertahankan akurasi prediksi. Algoritma K-Support Vector Nearest Neighbor (K-SVNN) bertujuan sebagai pekerjaan klasifikasi guna untuk menentukan rekomendasi program studi yang akan di ambil oleh calon mahasiswa. Sistem rekomendasi menyimpulkan preferensi pengguna dengan menganalisis ketersediaan data pengguna, informasi tentang pengguna dan lingkungannya. Hasil pengujian menyimpulkan bahwa metode K-Support Vector Nearest Neighbor (K-SVNN) dapat menyediakan rekomendasi program studi sesuai kriteria yang dimiliki pengguna. Pengaruh nilai K akan berpengaruh pada data yang akan direduksi, semakin kecil nilai K yang ditentukan maka data yang di reduksi akan semakin besar. Penentuan nilai NN dalam K-SVNN akan mempengaruhi hasil, sehingga semakin besar nilai NN maka nilai accuracy akan semakin kecil.