Penilaian Kinerja Akurasi Metode Klasifikasi dalam Dataset Penerimaan Mahasiswa Baru Universitas XYZ

Abstract

Universitas XYZ merupakan salah satu Perguruan Tinggi yang berlokasi di Kota Palembang yang melakukan kegiatan Penerimaan Mahasiswa Baru (PMB) untuk menjaring calon mahasiswa. Data PMB dari tahun ke tahun belum digunakan secara optimal dalam menghasilkan pengetahuan yang memberikan nilai manfaat bagi pengguna, sehingga diperlukan sebuah pemodelan data yang efisien dan tepat untuk menghasilkan akurasi data yang baik. Penelitian yang dilakukan bertujuan untuk menilai kinerja akurasi pemodelan yang terdapat dalam metode klasifikasi yang meliputi pemodelan k-NN, Decision Tree Classifier, Naive Bayes Classifier, Support Vector Machine (SVM) dan AdaBoost terhadap fitur dalam dataset Penerimaan Mahasiswa Baru (PMB) yang digunakan untuk memprediksi preferensi pemilihan program studi. 26 Fitur dalam dataset diamati hingga menghasilkan 6 fitur yang memiliki nilai korelasi yang tinggi untuk dilibatkan dalam penilaian kinerja akurasi, yang meliputi ‘Jurusan Sekolah’, ‘Penghasilan’, ‘Tahun Masuk’, ‘Tahun Lulus’, ‘Tipe Sekolah’ dan ‘Status Sekolah’ dengan data record sebanyak 2.704 data. Tahapan dilakukan menggunakan Data Life Cycle yang meliputi: (1) Business Understanding yang terdiri dari Penentuan Masalah, Tujuan Proyek, Solusi dari Perspektif Bisnis, dan Instrumen Pengukuran Keberhasilan; (2) Data Understanding dengan penelaahan data; (3) Data Preparation; (4) Modeling; (5) Evaluation. Hasil akhir menunjukkan bahwa k-NN classifier memiliki persentasi akurasi tertinggi sebesar 72.2% dan direkomendasikan dalam pemodelan preferensi program studi bagi calon mahasiswa baru di Universitas XYZ Kota Palembang.