Piramida Skripsi: K-Nearest Neighbor

Tampilkan postingan dengan label K-Nearest Neighbor. Tampilkan semua postingan

Kamis, 04 Mei 2017

Data Mining Klasifikasi Data Hasil Produksi Kelapa Sawit Menggunakan Algoritma K-Nearest Neighbor (KNN) Berbasis PHP&MySQL

ABSTRAK

Data mining dikelompokkan dalam dua kategori, yakni supervised dan unsupervised. Algoritma k-Nearest Neighbor (k-NN) adalah suatu metode yang menggunakan algoritma supervised, dimana hasil dari sampel uji yang baru diklasifikasikan berdasarkan mayoritas dari kategori pada k-NN. seperti pada penelitian penentuan jumlah produksi pada kasus kelapa sawit. Nilai k yang digunakan adalah k=1, k=3, k=5 dan k=7. Berdasarkan hasil penelitian data terklasifikasi dalam 6 cluster berdasarkan kemiripan hasil produksi dari 50 kelompok tani . Hasil produksi yang dominan adalah produksi dari kelompok tani kelapa sawit yang terletak pada C1 dengan 17 anggota dengan persentase 34% yaitu kelompok 1, 2, 33, 34, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49,50 untuk nilai k=7.

Kata Kunci : Data Mining, Penentuan Produksi, PHP, My-SQL, Algoritma k-Nearest Neighbor.

Download File :

ABSTRAk,bab 1,2,3,4,5.msword (hubungi admin)

Download Source Code Program :

Download source code spkproduksi knn.rar(hubungi admin)

Screnshot Program :

› Read More

Rabu, 03 Mei 2017

SPK Penerimaan Pegawai Metode K–Nearest Neighbor (KNN) Berbasis Web PHP&MySQL

ABSTRAK

Untuk memenuhi standar kualitas pegawai baru dalam seleksi penerimaan pegawai maka harus dinilai beberapa aspek seperti surat lamaran beserta lampiran IPK rata – rata, tes akademik, tes pengetahuan umum tentang IPTEK, dan tes wawancara. Proses keputusan yang tepat dan cepat sangat diperlukan dalam permasalahan spk ini, maka sangat dibutuhkan suatu sistem berbasis website sehingga seleksi penerimaan pegawai baru pada sebuah instansi yang dapat berjalan lebih efektif dan efisien. metode K-Nearest Neighbor (KNN) dan metode Weighted Product (WP). K-Nearest Neighbor digunakan untuk menentukan nilai bobot setiap kriteria dengan mengklasifikasikan dengan baik atau buruk. Setelah mengklasifikasikan dengan metode KNN, pemilihan calon pegawai yang akan direkrut pada sebuah instansi menggunakan metode Weight Product (WP). Weight Product digunakan untuk menentukan hasil klasifikasi oleh metode KNN dengan melakukan perankingan agar dapat diambil hasil yang terbaik. Pengujian yang dilakukan terdiri dari, pengujian akurasi terhadap nilai K dan pengujian akurasi terhadap kriteria nilai bobot metode WP. Hasil dari pengujian pengaruh nilai K terbaik dengan beberapa kriteria nilai bobot diperoleh nilai akurasi nilai akurasi sebesar 94%, precision 80%, dan nilai recall 80%.

Kata Kunci : Sistem Pendukung Keputusan, K–Nearest Neighbor , Pegawai , PHP&MySQL

Download File :

ABSTRAk,bab 1,2,3,4,5.msword (hubungi admin)

Download Source Code Program :

Downloadsource code spk pegawai K–Nearest Neighbor.rar

Screnshot Program :

› Read More

Selasa, 02 Mei 2017

SPK Penempatan Jurusan Mahasiswa Baru Menggunakan Metode K-Nearest Neigbor (KNN) | Berbasis PHP&MySQL

ABSTRAK

SPK Penempatan jurusan mahasiswa dilakukan guna memudahkan permasalahan penentuan jurusan mahasiswa mengingat beragamnya kemampuan mahasiswa, sehingga diharapkan tidak salah jurusan. SPK menggunakan metode k-nearest neighbor dengan tujuan untuk membantu proses penempatan jurusan mahasiswa baru agar tepat, cepat dan sesuai. Penelitian ini dapat memilih semua jurusan yang dinputkan kedalam sistem berdasarkan clasifikasi data mining. Kriteria yang digunakan pada metode k-nearest neigbor adalah hasil tes IQ, tes matematika, tes ipa, tes ips, nilai uan matematika, nilai uan bahasa indonesia, nilai uan bahasa inggris dan minat pilihan jurusan. Rancangan sistem menggunakan program PHP&MySQL scara dinamis dengan capaian dari penelitian ini adalah sebuah sistem pendukung keputusan mampu memberikan rekomendasi penempatan jurusan calon mahasiswa baru tersebut disarankan masuk pada jurusan yang tepat berdasarkan kemampuan masing-masing calon mahasiswa.

Kata Kunci : Sistem Pendukung Keputusan, Penempatan Jurusan, PHP, My-SQL, K-Nearest Neigbor,

Download File :

ABSTRAk,bab 1,2,3,4,5(hubungi admin)

Download Source Code Program :

Download source code spk penempatan_mahasiswa.rar(hubungi admin)

Screnshot Program :

› Read More

Senin, 01 Mei 2017

SPK Prediksi Kelulusan Mahasiswa Menggunakan Metode K-NEAREST NEIGHBOR (K-NN) | Berbasis PHP&MySQL

ABSTRAK

Dalam pengembangan perguruan tinggi yang berkompetensi dan menunjang grade akreditasi maka setiap perguruan tinggi harus mempuanyai target salah satunya kelulsan mahasiswa. dimana persentasi kelulusan mahasiswa merupaan salah satu elemen penilaian akreditasi . dari permasalahan tersebut maka diperlukan adanya pemantauan dan evaluasi terhadap kelulusan mahasiswa dengan menggunakan klasifikasi data mining. Dengan mengolah data mahasiswa akan memperoleh hal penting untuk acuan bagi perguruan tinggi terutama dalam memprediksi kelulusan mahasiswa. Dalam penelitian ini dalam prediksi kelulusan mahasiswa diproses dengan menggunakan algoritma klasifikasi data mining K-Nearest Neighbor dengan mengklaster data k=1, k=2, k=3, k=4, dan k=5. hasil yang akan dicapai mampu memberikan prediksi kelulusan berdasarkan cluster data dan akurasi terhadap penilaian dan keputusan. Program di susun menggunakan bahasa pemrograman PHP&MySQL sehingga mudah digunaan dan sangat dinamis.

Kata Kunci : SPK, Data Mining PHP, My-SQL, K-Nearest Neighbor

Download File ABSTRAk,bab 1,2,3,4,5 msword.rar

Download Source Code Program spkprediksi_kelulusan_knn2.rar

Screnshot Program :