INTEGRASI SAMPLE BOOTSTRAPPING PADA K-NEAREST NEIGHBOR UNTUK KLASIFIKASI HERREGISTRASI CALON MAHASISWA BARU

Abstract

Herregistrasi calon mahasiswa baru adalah proses pendaftaran ulang setiap calon mahasiswa baru untuk dapat mengikuti kegiatan perkuliahan, memperoleh hak-hak akademik, dan menggunakan fasilitas bagi mahasiswa sebagaimana ketentuan yang berlaku pada semester yang berjalan. Dari data pendaftaran mahasiswa baru yang dibuka setiap tahunnya didapatkan banyak calon mahasiswa baru yang mendaftar, tetapi dari data herregistrasi tidak semua calon mahasiswa baru yang sudah mendaftar melakukan herregistrasi. Data mining adalah proses menemukan pola yang menarik dari sejumlah data besar. Sebagai proses penemuan pengetahuan, biasanya melibatkan data cleaning, integrasi data, seleksi data, transformasi data, penemuan pola, dan evaluasi pola. Untuk menangani masalah pengklasifikasian data pada data herregistrasi calon mahasiswa baru dapat dilakukan dengan mengintegrasikan sample bootsrapping ke dalam k-NN (­k-NNSB) untuk meningkatkan akurasi hasil klasifikasi. Didapatkan hasil akurasi sebesar 88.74% pada nilai variabel k-2.