Data mining merupakan serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari suatu database. Data mining juga memanfaatkan pengalaman atau bahkan kesalahan di masa lalu untuk meningkatkan kualitas dari model maupun hasil analisanya, salah satunya dengan kemampuan pembelajaran yang dimiliki teknik data mining yaitu klasifikasi. Klasifikasi merupakan tugas pembelajaran yang memetakan sebuah objek baru ke dalam salah satu label class atau kategori pada objek lama yang telah didefinisikan sebelumnya. Klasifikasi ini menggunakan salah satu metode algoritma data mining yaitu k-Nearest Neighborhood (k-NN). Algoritma k-NN bekerja berdasarkan jarak terpendek antara dua objek dengan menentukan nilai k. Nilai k merupakan parameter untuk menentukan jarak terdekat antara objek baru terhadap objek lama. Dengan menggunakan teknik data mining tersebut maka di perguruan tinggi dapat memanfaatkan data akademik mahasiswa yaitu Indeks Prestasi (IP) untuk memprediksi masa studi mahasiswa. Dalam aplikasi data mining ini terdiri dari data testing dan data training dengan inputan NIM dan nilai k. Nilai k yang terbaik, tergantung pada jumlah data yang digunakan. Ukuran nilai k yang besar untuk memprediksi masa studi mahasiswa belum tentu menjadi nilai k yang terbaik dengan tingkat keberhasilan yang tinggi begitupun juga sebaliknya. Sehingga diharapkan hasil akhir dari aplikasi data mining ini dapat menghasilkan prediksi masa studi mahasiswa.

Data mining is a set of processes to explore the added value of information that has not known manually from a database. Data mining also take advantage of the experience or even mistakes in the past to enhance the quality of models and analysis results. One of them with learning capabilities possessed by data mining techniques called as classification. Classification is a learning task, mapping a new object into one class or category label on old objects that have been defined previously. This classification using one of the method of data mining algorithms, that is k-Nearest Neighborhood (k-NN). k-NN algorithm works based on the shortest distance between two objects to determine the value of k. The k-value is a parameter to determine the shortest distance between a new object to the old object. By using these data mining techniques then college can utilize student's academic data, that is performance index (IP) to predict the student's study periode. In this data mining application consists of the testing data and training data with the input of NIM and the k-value. The best k-values, depends on the number of used data. A large k-value to predict the student's study periode may not necessarily be the best k value with a high success rate and otherwise. So it is expected the result of this data mining applications can generate predictions of the student's study periode.

https://elib.unikom.ac.id/gdl.php?mod=browse&op=read&id=jbptunikompp-gdl-astriddarm-30187