Claim Missing Document
Check
Articles

PREDIKSI PILIHAN PROGRAM STUDI MAHASISWA BARU MENGGUNAKAN RULES AS FEATURES Nicolas Phi; Dedi Trisnawarman
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 14 No. 1 (2026): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/sjzq4883

Abstract

Penerimaan mahasiswa baru (PMB) merupakan proses strategis yang berperan penting dalam keberlanjutan institusi pendidikan tinggi. Penelitian ini bertujuan untuk menganalisis dan memprediksi pilihan program studi calon mahasiswa menggunakan pendekatan Rules-as-Features (RAF). Metode ini dipilih karena mampu mengubah hasil Association Rule Mining (ARM) menjadi fitur prediktif yang meningkatkan akurasi dan interpretabilitas model pembelajaran mesin. Algoritma Apriori digunakan untuk menemukan pola hubungan antar atribut seperti asal wilayah dan jenis sekolah, yang kemudian dikonversi menjadi fitur biner RULE_1 hingga RULE_27 dan digabungkan ke dataset utama. Model Random Forest dipilih karena kemampuannya mengelola data berdimensi tinggi serta menghasilkan estimasi yang stabil dibanding Logistic Regression. Hasil penelitian menunjukkan bahwa integrasi RAF meningkatkan akurasi dari 0,82 menjadi 0,89, F1-score (macro) dari 0,80 menjadi 0,87, dan AUC mikro dari 0,86 menjadi 0,92. Temuan ini menunjukkan bahwa kombinasi ARM–RAF efektif dalam menangkap hubungan nonlinier antar atribut, menghasilkan model yang akurat sekaligus dapat dijelaskan. Pendekatan ini dapat dimanfaatkan untuk mendukung strategi promosi, penentuan kuota, dan rekomendasi program studi berbasis data.
Indonesia Gulielmus Jason; Dedi Trisnawarman
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 14 No. 1 (2026): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/qrwfh843

Abstract

Penelitian ini bertujuan memetakan karakteristik dosen di lingkungan universitas menggunakan algoritma K-Prototypes sebagai pendekatan analitik dalam pengambilan keputusan sumber daya manusia akademik. Dataset yang digunakan terdiri atas 662 entri dosen Universitas Tarumanagara dengan atribut numerik (usia, masa kerja) dan kategorikal (status kepegawaian, jenis kelamin, divisi, dan jenjang pendidikan). Proses pra-pemrosesan mencakup imputasi nilai hilang, normalisasi, serta encoding atribut kategorikal. Jumlah klaster optimal ditentukan menggunakan metode Elbow dan Silhouette Score, yang menghasilkan dua klaster dengan nilai Calinski–Harabasz sebesar 789,26. Klaster pertama merepresentasikan dosen senior berusia lanjut dengan masa kerja panjang, mayoritas berstatus tidak tetap, sedangkan klaster kedua menggambarkan dosen tetap berusia produktif dengan potensi tinggi dalam Tridharma. Hasil ini menunjukkan bahwa algoritma K-Prototypes efektif dalam mengelompokkan data campuran dan memberikan wawasan strategis terkait segmentasi dosen. Temuan ini dapat dimanfaatkan untuk mendukung kebijakan pengembangan SDM akademik, seperti perencanaan karier, pelatihan, serta distribusi beban kerja secara proporsional.
Co-Authors Aditya Tanuwijaya Afina Putri Dayanti Agus Budi Dharmawan Agus Budi Dharmawan Alexander Assisi Amalia Nurain Angela, Octarifa Anthony Honggo Arfianto Panitra Arleine Arleine Armanta Tarigan Asep Darmawan Bagus Mulyawan bagus Mulyawan Bryan Riyanto Budiyantara, Agus Caesha Rachma Dhani Caroline, Angeline Chairisni Lubis Christabel, Meili Cosmas Damianus Wijaya Cynthia Marcelina Cynthia Marcelina, Cynthia Cyrillus Damar Setyo Wardhana Dali Santun Naga Daniela Aedo Dany Setiawan David Hariadi Desi Arisandi Diana Christian Eddy Sutedjo Eddy Sutedjo, Eddy Edward Edward Elvandio Frinandy Ery Dewayani Ferdinand Hartanto Ferdinand Hartanto Ferryanto Ferryanto Ferryanto Ferryanto Feryan Hadipurwanto Firdaus, Mutiara Puspita Fitriya, Febby Nurul Godeliva Vania Ekawardhani Goh, Bryan Jordan Grace Apriliani Puteri Santoso Gulielmus Jason Halim, Thirza Juan Helga Eva Julia Helga Eva Julia, Helga Eva Hendryli, Janson Herison Halim Hizkia Aristyo Christianto Hutagaol, Alice Shizuka Imam, Muhammad Choirul Ivan Filbert Jaceline Chan Janson Hendryli Jap Tji Beng Joseline Joseline Josua Marojahan Joycelin Joycelin Kelvin Julian Tannius Kenny Yan Khania Luiza Cahya Tuluswati Lawrence, Valerie Lely Hiryanto Marcydiaz, Andrew Haikal Margaret Livereja Martin Johnsons Mok, Jerrico Alan Muhammad Choirul Imam Nathanael Gumarus Nelly Nelly Ni Putu Diah Ayu Vita Widia Murti Ni Putu Diah Ayu Vita Widia Murti, Ni Putu Diah Ayu Vita Widia Nicolas Phi Nizham Kamil Hia Novario Jaya Perdana Nurkholiza, Rahmiyana Okengwu, Ugochi A Oktovianus Irvan Onggo Julius Siddharta Panca, Azarya Prischila, Verrent Putri, Tifani Anasya Qadriah, Sekar Aurannisa Ramdhani Radot Regen, Radot Rafael Christoper Suhandi Reza Mahendra Ricki Gozal Ricky Giovanni Putra Tanjaya Rio Rio Rio Sucitra, Rio Riva Audrey Runtukahu, Winona Charisda Salim Susanto Salsabila, Tasya Mulia Samantha, Velline Simon Simon Stefanus Simon, Stefanus Stephen Prihandana, Stephen Stevan Stevan Steven Federico Giovano Supriyanton, Adolf Asih Tony Tony Tony Tony Tri Sutrisno TRI SUTRISNO TRI SUTRISNO Utari Apriani Veronika Verrent Prischila Victor Femona Laoli Victor Victor Victor Victor Viny Christanti Viny Christanti M Wasino Wasino Wijaya, Angeline Carolina Zyad Rusdi Zyad Rusdi