Perbandingan Algoritma K-Nearest Neighbor (K-NN) dan Naive Bayes pada data penerima beasiswa Kartu Indonesia Pintar (KIP) Kuliah

ABSTRAK

UU No. 12 tahun 2012 memberikan mandat untuk mewujudkan pemerataan dan keterjangkauan akses pendidikan tinggi yang dapat dilakukan melalui pemberian beasiswa. Beasiswa Kartu Indonesia Pintar (KIP) Kuliah merupakan salah satu usaha pemerintah untuk mewujudkan akses pendidikan tinggi bagi mahasiswa yang berprestasi dan kurang mampu. Namun, pemberian beasiswa harus tepat sasaran untuk menghindari pemborosan anggaran. Metode klasifikasi seperti k-NN dan Naive Bayes dapat digunakan untuk melakukan klasifikasi kelayakan penerima beasiswa KIP Kuliah. Performa dari kedua metode tersebut dianalisis performanya menggunakan metrik evaluasi. Pengujian yang dilakukan pada metode Naive Bayes menghasilkan akurasi 62,75%, presisi 65,88%, dan recall 88%. Sementara hasil pengujian k-NN untuk k=11 adalah akurasi 63,88%, presisi 66,13%, dan recall 90,88%. k-NN ternyata memiliki performa lebih unggul daripada naive Bayes dalam melakukan prediksi kelayakan penerima beasiswa KIP Kuliah berdasarkan hasil metrik evaluasi yang diperoleh.

ABSTRACT

Law No. 12/2012 provides a mandate to realize equitable and affordable access to higher education which can be done through scholarships. The Indonesia Smart Card (KIP) Lecture Scholarship is one of the government's efforts to realize access to higher education for outstanding and underprivileged students. However, the scholarship must be right on target to avoid wasting the budget. Classification methods such as k-NN and Naive Bayes can be used to classify the eligibility of KIP College scholarship recipients. The performance of the two methods is analyzed using evaluation metrics. Tests conducted on the Naive Bayes method resulted in an accuracy of 62.75%, precision of 65.88%, and recall of 88%. While the k-NN test results for k=11 are 63.88% accuracy, 66.13% precision, and 90.88% recall. k-NN turns out to have superior performance than naive Bayes in predicting the eligibility of KIP Lecture scholarship recipients based on the results of the evaluation metrics obtained.

مستخلص البحث

القانون رقم 12 لعام 2012 على تفويض لتحقيق الوصول المتساوي والميسور التكلفة إلى التعليم العالي والذي يمكن تحقيقه من خلال توفير المنح الدراسية. تعد منحة الكلية "بطاقة إندونيسيا الذكية" (KIP) إحدى الجهود التي تبذلها الحكومة لتوفير الوصول إلى التعليم العالي للطلاب المتفوقين والمحرومين. ومع ذلك، يجب أن تكون جوائز المنح الدراسية صحيحة في الهدف لتجنب إهدار الميزانية. يمكن استخدام أساليب التصنيف مثل k-NN و Naive Bayes للتنبؤ بأهلية المستفيدين من منح KIP الدراسية للجامعات. تم تحليل أداء الطريقتين باستخدام مقاييس التقييم. أنتجت الاختبارات التي تم إجراؤها باستخدام طريقة Naive Bayes دقة بلغت 62.75%، و65.88% دقة، و88% استرجاعًا. وفي الوقت نفسه، كانت نتائج اختبار k-NN لـ k=11 دقة 63.88% ودقة 66.13% واستدعاء 90.88%. يبدو أن أداء k-NN متفوق على أداء Bayes الساذج في التنبؤ بأهلية المستفيدين من منحة KIP الجامعية بناءً على نتائج مقاييس التقييم التي تم الحصول عليها.