MEMPREDIKSI PEMBAYARAN BIAYA KURSUS SISWA ENTER (ENGLISH CENTER) DENGAN ALGORITMA K-NN

Abstraksi

ENTER (English Center) merupakan lembaga kursus bahasa inggris yang sangat peduli terhadap masyarakat dari semua kalangan yang berminat untuk belajar bahasa inggris. Pada lembaga kursus ENTER untuk meringankan siswa dalam pembayaran kursus, maka diberlakukan sistem pembayaran dengan metode cicilan, akan tetapi dengan metode tersebut banyak siswa yang membayar biaya kursus tidak tepat waktu sehingga menghambat pada biaya operasional perusahaan. Sehingga perlu adanya prediksi siswa yang akan melakukan pembayaran biaya kusus. Pada paper ini peneliti menggunkan algoritma K-NN yang diterapkan pada data siswa yang melakukan pembayaran biaya kursus di ENTER (Emglish Center). Hasil testing untuk mengukur performa algoritma ini menggunkan metode Cross Validation, Confussion Matrix dan kurva ROC dengan K5, K10, K15,dan K20 berturut-turut 84.69%, 83.93%, 83.36%, 83.36% dan menghasilkan akurasi dan nilai AUC 0.962, 0.937, 0.922, 0.916. Karena nilai AUC berada dalam rentang 0,9 sampai 1,0 maka metode tersebut masuk dalam kategori sangat BAIK. 

Kata Kunci: ENTER;CRISP-DM;K-NN;Cross Validation; Confusion Matrix; kurva ROC

URI
http://prosiding.uika-bogor.ac.id/index.php/semnati/article/view/121

References

DAFTAR PUSTAKA Antaranews. 2016. Indonesia Peringkat 32 Penguasaan bahasa Inggris, https://www.antaranews.com/berita/600584/indonesia-peringkat-32-penguasaan-bahasa-inggris. (Diakses pada:11 Januari 2018) Bramer, Max. 2007. Principles of Data Mining. London : Springer Ginting L Selvia. 2014. Teknik Data Mining Untuk Memprediksi Masa Studi Mahasiswa Menggunakan Algoritma K-Nearest Neighborhood. Bandung Gorunescu, Florin. 2011. Data Mining: Concepts, Models, and Techniques. Verlag Berlin Heidelberg : Springer Ilham R Mochamad. 2016. Implementation Of Data Mining Using C4.5 Algorithm For Prediction Of Customer Satisfaction At Kosti Taxi. Semarang Kementrian Pendidikan. 2003. Putusan Kementrian Pendidikan Republik Indonesia Larose, D. T. 2005. Discovering Knowledge in Data. New Jersey : John Willey & Sons, Inc. Liao. 2007. Recent Advances in Data Mining of Enterprise Data : Algorithms and Application. Singapore : World Scientific Publishing Maimon, Oded&Rokach, Lior. 2005. Data Mining and Knowledge Discovey Handbook. New York : Springer Sumathi, & S., Sivanandam, S.N. 2006. Introduction to Data Mining and its Applications. Berlin Heidelberg New York: Springer Syarif R Arif. 2017. Intrusion Detection System Using Hybrid Binary Pso And K-Nearest Neighborhood Algorithm. Jakarta Witten, I. H., Frank, E., & Hall, M. A. 2011. Data Mining: Practical Machine Learning and Tools. Burlington : Morgan Kaufmann Publisher P. Chapman, J. Clinton, R. Kerber, T. Khabaza, T. Reinartz,C. Shearer, & R. Wirth, CRISP-DM 1.0 Step-by-step data mining guide, 2000