SUMMARY
AbstrakPada pelaksanaan acara perkuliahan atau saat proses balajar mengajar, dosen sering terkendala dengan kemampuan mahasiswa pada suatu matakuliah di satu kelas yang tidak merata. Oleh karena itu dosen terlebih dulu mengetahui kemampuan setiap mahasiswanya dengan salah satu caranya adalah dengan melihat karakteristik setiap mahasiswa dan kemudian dibandingkan dengan mahasiswa-mahasiswa sebelumnya dalam menyelesaian suatu mata kuliah.Pada penelitian ini, akan dilakukan perbandingan tingkat akurasi antara tiga algoritma, yaitu : Nearest Neighbour, C45 dan LVQ, pada kasus klasifikasi kemampuan mahasiswa untuk keperluan penentuan pembagian kelas mahasiswa baru. Selain itu, juga akan diperbandingkan tingkat kecepatan setiap algoritma dalam mendapatkan kelas kasus lama yang paling mirip dengan kasus baru yang dimasukkan.Kesimpulan yang didapatkan setelah sistem dibangun dan kemudian membandingkan ketiga algoritma tersebut adalah algoritma nearest neighbour dapat menghasilkan akurasi tertinggi. Kata kunci— nearest neighbour, c45, jaringan syaraf tiruan, lvq, mahasiswa AbstractDuring the lecture or in teaching-learning process, a lecturer sometimes finds that heterogeneous classroom as the obstacles due to the differences in students’ performances. Thus, the lecturer should be aware of this phenomenon and one way to overcome this is to find out the characteristics of each student in order to compare them with the previous students while completing their study. In this research, the three algorithms are compared, they are namely; Nearest Neighbor, C45, and LVQ, this is done to classify the students’ ability and to decide the class for the new students. In addition, the speed level of each algorithm is compared by means of getting the nearest previous case study to the new class. Finally, the ideas coming up as the conclusion for this research is that after the system is developed and those three algorithms are being compared, the result shows that there is nearest neighbour algorithm can produce the highest accuracy. Keywords—nearest neighbour, c45, artificial neural network, LVQ, students’ performances.