Klasifikasi kelompok keilmuan informatika berdasarkan nilai menggunakan metode K-Nearest Neighbor

INDONESIA:

Kelompok keahlian pada Program Studi Teknik Informatika Universitas Islam Maulana Malik Ibrahim Malang merupakan kelompok keahlian mengacu pada distribusi atau pengelompokan bidang-bidang khusus yang mencakup berbagai aspek atau disiplin ilmu di dunia teknik informatika. Tujuan dari pembagian ini adalah untuk memberikan spesialisasi kepada mahasiswa agar mereka dapat mengembangkan keahlian dan pengetahuan yang mendalam dalam bidang tertentu sesuai dengan minat dan kebutuhan pasar. Metode yang digunakan dalam penelitian ini menggunakan metode K-Nearest Neighbor (KNN) untuk memecahkan masalah yang terjadi dengan harapan akan memberikan pemahaman yang lebih baik tentang peminatan kelompok keahlian informatika. Pengujian dilakukan dengan membagi dataset rasio ke dalam beberapa bagian yang telah ditentukan dan mencari nilai akurasi dari masing-masing kelas. Hasil dari pengujian rasio pembagian data sebanyak 95 data dengan nilai K=10 diperoleh nilai tingkat akurasi sebesar 60% dengan pembagian data sebanyak 80 data sebagai data latih dan 15 data sebagai data uji. Hasil pengujian dari masing-masing kelas diperoleh Class Multimedia memperoleh akurasi sebesar 57.75%, Class Information System memperoleh akurasi sebesar 78.75%, Class Software Engineering memperoleh akurasi sebesar 92.25%, Class Intelligent System memperoleh akurasi sebesar 57.25% , Class System & Network memperoleh akurasi sebesar 95.25%, dan Class Web & Mobile Programming memperoleh akurasi sebesar 95.25%. Maka implementasi metode K-Nearest Neighbor (KNN) untuk klasifikasi kelompok keilmuan teknik informatika UIN Malang dapat digunakan sebagai sarana bagi mahasiswa yang masih mengalami kebingungan untuk menentukan keminatan kelompok keilmuan yang akan diambil.

ENGLISH:

The expertise group in the Informatics Engineering Study Program at the Islamic University of Maulana Malik Ibrahim Malang is an expertise group referring to the distribution or grouping of special fields that cover various aspects or disciplines in the world of informatics engineering. The aim of this division is to provide specialization to students so that they can develop in-depth skills and knowledge in certain fields according to interests and market needs. The method used in this research uses the K-Nearest Neighbor (KNN) method to solve problems that occur in the hope of providing a better understanding of the informatics expertise group specialization. Testing is carried out by dividing the ratio dataset into several predetermined parts and looking for the accuracy value of each Class. The results of testing the data sharing ratio of 95 data with a value of K=10 obtained an accuracy level of 60% with a data sharing of 80 data as training data and 15 data as test data. The test results for each Class obtained that the Multimedia Class obtained an accuracy of 57.75%, the Information System Class obtained an accuracy of 78.75%, the Software Engineering Class obtained an accuracy of 92.25%, the Intelligent System Class obtained an accuracy of 57.25% , the System & Network Class obtained an accuracy of 95.25%, and the Web & Mobile Programming Class obtained an accuracy of 95.25%. So the implementation of the K-Nearest Neighbor (KNN) method for Classifying scientific groups in informatics engineering at UIN Malang can be used as a means for students who are still confused about determining the interests of the scientific groups they will take.

ARABIC:

مجموعة الخبرة في قسم الهندسة المعلوماتية بجامعة مولانا مالك إبراهيم الإسلامية الحكومية مالانج هي مجموعة من الخبرات التي تشير إلى توزيع أو تجميع المجالات الخاصة التي تغطي مختلف الجوانب أو التخصصات في عالم الهندسة المعلوماتية. الغرض من هذا التقسيم هو توفير التخصص للطلاب حتى يتمكنوا من تطوير الخبرة والمعرفة المتعمقة في مجال معين وفقا لاهتمامات السوق واحتياجاته. تستخدم الطريقة المستخدمة في هذه الدراسة طريقة كي أقرب جار K-Nearest Neighbor (KNN) لحل المشكلات التي تحدث على أمل أن توفر فهما أفضل لتخصص مجموعات الخبرة المعلوماتية. تم إجراء الاختبار عن طريق تقسيم مجموعة بيانات النسبة إلى عدة أجزاء محددة مسبقا والبحث عن قيمة الدقة لكل فئة. حصلت نتائج اختبار نسبة مشاركة البيانات ل 95 بيانات بقيمة كي = 10 على قيمة مستوى دقة 60٪ مع تقسيم البيانات ل 80 بيانات كبيانات تدريب و 15 بيانات كبيانات اختبار. وحصلت نتائج اختبار كل صنف على دقة بلغت 57.75٪ لفئة الوسائط المتعددة، ودقة بلغت 78.75٪ لفئة نظم المعلومات، ودقة 92.25٪ لفئة هندسة البرمجيات، ودقة 57.25٪ لفئة النظام الذكي، ودقة 95.25٪ لفئة النظام والشبكات، ودقة 95.25٪ لفئة برمجة الويب والجوال. لذلك، يمكن استخدام تطبيق طريقة كي أقرب جار K-Nearest Neighbor (KNN) لتصنيف المجموعات العلمية لهندسة المعلوماتية بجامعة مولانا مالك إبراهيم الإسلامية الحكومية مالانج كوسيلة للطلاب الذين لا يزالون في حيرة من أمرهم لتحديد اهتمام المجموعة العلمية التي يجب اتخاذها.