<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="58600">
 <titleInfo>
  <title>Implementasi Algoritma K-Nearest Neighbor Berbasis Forward Selection Untuk Prediksi Mahasiswa Non Aktif Universitas Dian Nuswantoro Semarang</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Salam Abu</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Semarang</placeTerm>
   <publisher>Universitas Dian Nuswantoro</publisher>
   <dateIssued>2020</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Artikel Jurnal</form>
  <extent>hlm : 69-76</extent>
 </physicalDescription>
 <relatedItem type="series">
  <titleInfo/>
  <title>JOINS : Journal of Information System</title>
 </relatedItem>
</mods>
<note>Abstract&#13;
&#13;
Masalah yang muncul berkaitan dengan status mahasiswa salah satunya adalah status mahasiswa yang non aktif. Beberapa faktor penyebab status non aktif tersebut diantaranya adalah faktor ekonomi, kemampuan akademik, dan lain â€“ lain. Manajemen perguruan tinggi perlu mengidentifikasi serta melakukan tindakan terhadap mahasiswa yang mempunyai status â€œtidak diharapkanâ€ untuk mengetahui faktor munculnya masalah tersebut perlu dilakukan evaluasi saat pertengahan masa studi mahasiswa guna mencegah sedini mungkin munculnya mahasiswa yang diindikasi terdapat status tidak aktif untuk mengurangi dampak yang ditimbulkan akibat status non aktif tersebut. Pada penelitian ini akan dilakukan prediksi mahasiswa non aktif menggunakan algoritma klasifikasi K-Nearest Neighbor yang dikombinasikan dengan metode forward selection untuk seleksi atribut yang diharapkan mampu meningkatkan nilai akurasi pada proses klasifikasi. Nilai akurasi yang didapatkan pada algoritma K-Nearest Neighbor sebesar 96.43% sedangkan pada algoritma K-Nearest Neighbor berbasis Forward Selection sebesar 97.27%.</note>
<note type="statement of responsibility"></note>
<subject authority="">
 <topic>Sistem Informasi</topic>
</subject>
<classification>JOINS</classification>
<identifier type="isbn">25280228</identifier>
<location>
 <physicalLocation>Perpustakaan Teknik UPI YAI </physicalLocation>
 <shelfLocator>JOINS V5N1 Mei 2020</shelfLocator>
 <holdingSimple>
  <copyInformation>
   <numerationAndChronology type="1">JOINS1-007</numerationAndChronology>
   <sublocation>Perpustakaan FT UPI YAI</sublocation>
   <shelfLocator>JOINS V5N1 Mei 2020</shelfLocator>
  </copyInformation>
 </holdingSimple>
</location>
<slims:image>JOINS_V5N1_Mei_2020.jpg.jpg</slims:image>
<recordInfo>
 <recordIdentifier>58600</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2023-01-10 10:56:05</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2023-01-13 10:52:44</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>