Prediksi kelulusan tepat waktu berdasarkan data registrasi mahasiswa dengan Algoritma fuzzy c-means dan k-nearest neighbors

Penerimaan mahasiswa baru di UINSA setiap tahunnya terus meningkat, namun ada sebuah permasalahan yakni tidak semua jumlah mahasiswa dapat lulus secara tepat waktu sesuai dengan kurikulum yang telah di tempuh. Mahasiswa yang berpotensi lulus tidak tepat waktu dapat di minimalisir apabila dapat mengetahui karakteristiknya. Salah satu caranya yakni dengan membuat model prediksi berbasis machine learning guna membantu memperbaiki konsep registrasi pada mahasiswa baru dengan metode FCM-KNN yang secara garis besar merupakan penggabungan antara dua metode yaitu tahapan pengelompokan data dengan menggunakan FCM dan tahap kategorisasi data menggunakan KNN. Pada penelitian ini digunakan data registrasi mahasiswa UINSA, kemudian pada pengujian skor digunakan confusion matrix dan 10-fold cross validation. Hasilnya menunjukkan bahwa model prediksi pada metode FCM-KNN dengan pengujian 10-fold cross validation dengan skenario k-1 mempunyai rata rata akurasi 71%. Kesimpulannya adalah seiring bertambahnya nilai K, maka nilai akurasi juga berubah-ubah.