ANALISIS ALGORITMA K-NEAREST NEIGHBOR UNTUK PREDIKSI KELULUSAN MAHASISWA TEPAT WAKTU

STUDI KASUS: ISB ATMA LUHUR

Abstract

Ketepatan waktu lulus mahasiswa merupakan indikator vital bagi kualitas dan akreditasi perguruan tinggi. Namun, ISB Atma Luhur menghadapi kendala dalam mengidentifikasi mahasiswa yang berisiko terlambat lulus secara dini akibat banyaknya variabel akademik dan keterbatasan pemantauan manual. Penelitian ini bertujuan untuk menganalisis performa algoritma K-Nearest Neighbor (KNN) dalam memprediksi kelulusan mahasiswa tepat waktu sebagai solusi sistem peringatan dini. Metode penelitian meliputi prapemrosesan data, standardisasi Z-Score, pembagian data latih dan uji (80:20), serta optimasi parameter K melalui hyperparameter tuning. Hasil pengujian menunjukkan bahwa model mencapai performa optimal pada nilai K = 3 dengan tingkat akurasi sebesar 98,31%. Metrik evaluasi lainnya menghasilkan precision 0,98, recall 1,00, dan F1-score 0,99. Temuan ini membuktikan bahwa algoritma KNN sangat efektif dalam mengklasifikasikan status kelulusan mahasiswa, sehingga dapat digunakan oleh manajemen institusi untuk melakukan intervensi akademik yang lebih tepat sasaran bagi mahasiswa yang berisiko