Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence
Ali Pitchay, Sakinah
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Mathematics

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

Found 1 Documents
Search

 1 
Explainable AI pada Seleksi Beasiswa KIP Berbasis Machine Learning di Universitas Adzkia Thoriq, Muhammad; Maulana, Fajar; Ali Pitchay, Sakinah; Ridzuan, Farida; Ramanda, Wega
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 6 No 1 (2026): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v6i1.1767

Abstract

Program Kartu Indonesia Pintar Kuliah (KIP-K) bertujuan memperluas akses pendidikan tinggi bagi mahasiswa dari keluarga kurang mampu. Namun, peningkatan jumlah pendaftar serta kompleksitas verifikasi kondisi sosial ekonomi sering kali menyulitkan proses seleksi di perguruan tinggi. Penelitian ini mengusulkan pendekatan berbasis machine learning yang terintegrasi dengan Explainable Artificial Intelligence (XAI) untuk mendukung rekomendasi kelayakan penerima beasiswa menggunakan data riil seleksi mandiri Universitas Adzkia. Dataset yang digunakan terdiri dari 829 pendaftar dengan variabel sosial ekonomi seperti status P3KE, penghasilan orang tua, jumlah tanggungan keluarga, pekerjaan orang tua, serta asal sekolah. Model klasifikasi dibangun menggunakan algoritma Random Forest dan divalidasi menggunakan 5-fold cross-validation dengan metrik evaluasi accuracy, precision, recall, F1-score, serta confusion matrix. Karena dataset memiliki distribusi kelas yang tidak seimbang, dilakukan threshold optimization untuk meningkatkan kemampuan model dalam mendeteksi kandidat yang layak menerima beasiswa. Untuk meningkatkan transparansi model, penelitian ini menggunakan metode SHapley Additive exPlanations (SHAP) guna menginterpretasikan kontribusi setiap fitur baik secara global maupun lokal. Hasil penelitian menunjukkan bahwa faktor sosial ekonomi seperti status P3KE, jumlah tanggungan keluarga, penghasilan orang tua, serta wilayah asal sekolah merupakan determinan utama dalam prediksi kelayakan penerima beasiswa. Integrasi machine learning dan SHAP memungkinkan sistem seleksi yang lebih objektif, transparan, dan berbasis data dalam proses pengambilan keputusan.
Co-Authors Maulana, Fajar Ramanda, Wega Ridzuan, Farida Thoriq, Muhammad