Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Sarjana Teknik Informatika
Ario Pratama, Surya
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
Klasifikasi Kelayakan Keringanan UKT Menggunakan SMOTE dan Regresi Logistik Ario Pratama, Surya; Aries Fadilla, Muhammad Bagas; Gustriansyah , Rendra
Jurnal Sarjana Teknik Informatika Vol. 13 No. 2``` (2025): Juni
Publisher : Program Studi Informatika, Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/jstie.v13i2```.31084

Abstract

Keringanan Uang Kuliah Tunggal (UKT) merupakan bantuan finansial bagi mahasiswa dari keluarga berpenghasilan rendah. Namun, proses seleksi penerima sering kali menghadapi tantangan subjektivitas dan ketidakseimbangan data, yang dapat berdampak pada ketepatan keputusan. Penelitian ini bertujuan membangun model klasifikasi untuk memprediksi kelayakan mahasiswa secara objektif menggunakan algoritma Regresi Logistik dan metode penyeimbangan data Synthetic Minority Over-sampling Technique (SMOTE). Penelitian ini menggunakan pendekatan kuantitatif dengan metode supervised learning. Dataset terdiri dari 100 data, yakni 80 data latih dan 20 data uji, dengan distribusi kelas yang tidak seimbang. Evaluasi model dilakukan menggunakan confusion matrix, akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa model tanpa SMOTE memiliki akurasi 91,2%, presisi 95,9%, recall 90,4% dan f1-score berada 93,1%. Setelah penerapan SMOTE, model menunjukkan akurasi meningkat menjadi 92,3% dengan presisi 94,0%, recall tetap stabil di nilai yang sama dengan model latih tanpa smote, dan F1-score mencapai 92,2%. Pada data uji, model mempertahankan kinerja tinggi dengan seluruh metrik evaluasi di atas 90%, menunjukkan kemampuan generalisasi yang baik dan minim overfitting. Penerapan SMOTE terbukti efektif dalam mengatasi ketidakseimbangan kelas dan meningkatkan sensitivitas model terhadap kelas minoritas.
Co-Authors Aries Fadilla, Muhammad Bagas Gustriansyah , Rendra