Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Kevien Ollyvie Jolanda
Teknik Informatika/Fakultas Ilmu Komputer, (Universitas Duta Bangsa Surakarta)
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Physics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Implementasi Algoritma Decision Tree untuk Klasifikasi Penerimaan Beasiswa Berdasarkan Data Akademik dan Kondisi Sosial Ekonomi Mahasiswa Kevien Ollyvie Jolanda; Aurielia Vegayanta; Eka Yulianti; Himas Arya Rahmadhani
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Proses seleksi penerima beasiswa di perguruan tinggi sering menghadapi kendala berupa banyaknya jumlah pendaftar dan beragamnya kriteria penilaian sehingga berpotensi menimbulkan subjektivitas dalam pengambilan keputusan. Penelitian ini bertujuan mengembangkan sistem klasifikasi kelayakan penerima beasiswa berbasis web menggunakan algoritma Decision Tree untuk membantu proses seleksi yang lebih objektif, cepat, dan transparan. Metode penelitian yang digunakan meliputi pengumpulan data mahasiswa, praproses data, pembangunan model Decision Tree menggunakan algoritma CART dengan kriteria Gini Impurity, evaluasi model menggunakan metrik accuracy, precision, recall, dan F1-score, serta implementasi model ke dalam aplikasi berbasis web. set terdiri atas 1.043 data mahasiswa dengan atribut Indeks Prestasi Kumulatif (IPK), penghasilan orang tua, keikutsertaan organisasi, Unit Kegiatan Mahasiswa (UKM), dan Jumlah Tanggungan. Hasil penelitian menunjukkan bahwa model Decision Tree mampu mencapai nilai accuracy sebesar 92,9%, precision 89,5%, recall 92,8%, dan F1-score 91,1%. Sistem yang dikembangkan tidak hanya mampu memberikan hasil prediksi kelayakan penerima beasiswa secara otomatis, tetapi juga menyediakan visualisasi pohon keputusan sehingga proses klasifikasi lebih mudah dipahami oleh pengguna. Berdasarkan hasil tersebut, sistem yang dibangun dapat menjadi sistem pendukung keputusan yang efektif dalam membantu proses seleksi penerima beasiswa secara lebih objektif, efisien, dan transparan.
Co-Authors Aurielia Vegayanta Eka Yulianti Himas Arya Rahmadhani