Prediksi Penerima Beasiswa dengan Menggunakan Teknik Data Mining di Universitas Muhammadiyah Pringsewu

Baskoro Baskoro, Sriyanto Sriyanto, Lilis Setya Rini

Abstract


Beasiswa merupakan donasi dari pemerintah, lembaga, yayasan yang diberikan kepada siswa atau mahasiwa yang masih menempuh pendidikan dalam rangkamencari ilmu pengetahuan. Donasi ini biasanya berbentuk dana untuk membayar biaya pendidikan yang dikeluarkan siswa atau mahasiwa dalam menempuh pendidikan disekolah maupun di perguruan tinggi. Jumlah mahasiswa Universitas Muhammadiyah Pringsewu saat ini kurang lebih 3500an mahasiswa aktif yang terdiri dari 4 Fakultas. Dengan banyaknya data yang digunakan peneliti menggunakan teknik data mining untuk pengelolaan data mahasiswa dalam memprediksi penerima beasiswa. Data Mining merupakan teknologi yang digunakan untuk menemukan informasi baru dari data yang jumlahnya sangat banyak. . Dari beberapa algoritma kita bisa menggunakanya untuk memprediksi penerima beasiswa dengan menambahkan teknik klasifikasi.Dari hasil proses klasifikasi maka dapat dirumuskan analisis untuk algoritma Random forests  tingkat  akurasi  pada  dataset  beasiswa  sebesar  98.08%  dengan  grafik  AUC  0.976.  Pada  algoritma  Naive  Bayes mendapatkan nilai akurasi sebesar 94.23% dengan grafik AUC 0.973. Kemudian untuk algoritma k-NN mendapatkan nilai akurasi 94.23% dengan grafik AUC 0.845.


Full Text:

PDF

References


Fitriani, E. (2020) ‘Perbandingan Algoritma C4.5 Dan Naïve Bayes Untuk Menentukan Kelayakan Penerima

Bantuan Program Keluarga Harapan’, Sistemasi, P. 103. Doi: 10.32520/Stmsi.V9i1.596.

Hasan, F. N., Hikmah, N. And Utami, D. Y. (2018) ‘Perbandingan Algoritma C4.5, Knn, Dan Naive Bayes Untuk Penentuan Model Klasifikasi Penanggung Jawab Bsi Entrepreneur Center’, Jurnal Pilar Nusa Mandiri, P. 169. Doi: 10.33480/Pilar.V14i2.908.

Sabita, H., Fitria, F., & Herwanto, R. (2021). Analisa Dan Prediksi Iklan Lowongan Kerja Palsu Dengan Metode

Natural Language Programing Dan Machine Learning. Jurnal Informatika, 21(1), 14-22.

Linawati, S. Et Al. (2020) ‘Perbandingan Algoritma Klasifikasi Naive Bayes Dan Svm Pada Studi Kasus Pemberian

Penerima Beasiswa Ppa’, Swabumi, Pp. 71–75. Doi: 10.31294/Swabumi.V8i1.7708.

Nalatissifa, H. Et Al. (2021) ‘Perbandingan Kinerja Algoritma Klasifikasi Naive Bayes, Support Vector Machine (Svm), Dan Random Forest Untuk Prediksi Ketidakhadiran Di Tempat Kerja’, Jurnal Informatika Universitas Pamulang, P. 578. Doi: 10.32493/Informatika.V5i4.7575.

Nanni, N. And Sudransyah, A. (2020) ‘Perbandingan Kinerja Algoritma Naive Bayes Dan C4.5 Untuk Klasifikasi

Harga Pangan’, Protek : Jurnal Ilmiah Teknik Elektro, Pp. 20–24. Doi: 10.33387/Protk.V7i1.1710.

Putra, Y. K. Et Al. (2019) ‘Perbandingan Algoritma Naive Bayes Dan Naive Bayes Berbasis Pso Untuk Analisis

Kredit Pada Pt. Bpr Syariah Paokmotong’, Infotek : Jurnal Informatika Dan Teknologi, Pp. 61–69. Doi:

29408/Jit.V2i2.1460.

Riyanah, N. And Fatmawati, F. (2021) ‘Penerapan Algoritma Naive Bayes Untuk Klasifikasi Penerima Bantuan

Surat Keterangan Tidak Mampu’, Jtim : Jurnal Teknologi Informasi Dan Multimedia, Pp. 206–213. Doi:

35746/Jtim.V2i4.117.

Saputra, P. S. (2021) ‘Perbandingan Algoritma Fuzzy C-Means Dan Algoritma Naive Bayes Dalam Menentukan Keluarga Penerima Manfaat (Kpm) Berdasarkan Status Sosial Ekonomi (Sse) Terendah’, Jst (Jurnal Sains Dan Teknologi), P. 1. Doi: 10.23887/Jst-Undiksha.V10i1.23340.

Wibowo, H., & Indriyani, F. (2018, October). K-Nearest Neighbor Method For Monitoring Of Production And Preservation Information (Treatment) Of Rubber Tree Plant. In International Conference on Information Technology and Business (ICITB) (pp. 29-44).

Setifani, N. A., Fitriana, D. N. And Yusuf, A. (2020) ‘Perbandingan Algoritma Naïve Bayes, Svm, Dan Decision

Tree Untuk Klasifikasi Sms Spam’, Jusim (Jurnal Sistem Informasi Musirawas), Pp. 153–160. Doi:

32767/Jusim.V5i02.956.

Siswa, T. A. Y. (2018) ‘Analisis Penerapan Optimasi Perbandingan Kinerja Algoritma C4.5 Dan Naïve Bayes

Berbasis Particle Swarm Optimization (Pso) Untuk’, Jurnal Bangkit Indonesia, P. 1. Doi:

52771/Bangkitindonesia.V7i2.48.

Pratama, T. (2018). Implementasi Algoritma Naive Bayes Dalam Menentukan Konsentrasi Skripsi Dan

Rekomendasi Bahasa Pemrograman. Jurnal Informatika, 18(1), 1-13. Website: https://id.wikipedia.org/ diakses tanggal 24 Mei.


Refbacks

  • There are currently no refbacks.



Prosiding Seminar Nasional Darmajaya is abstracting and indexing in the following databases:


PROSIDING SEMINAR NASIONAL DARMAJAYA

Diatur Oleh: Lembaga Penelitian dan Pengabdian kepada Masyarakat (LPPM)

Diterbitkan Oleh: IIB Darmajaya
Alamat: Jl. Z.A. Pagar Alam No. 93 Gedong Meneng, Bandar Lampung Lampung
Website: jurnal.darmajaya.ac.id

E-mail: ProsidingSemnasDJ@darmajaya.ac.id