<![CDATA[Penelitian ini bertujuan untuk mengembangkan model prediksi penerimaan pendaftar beasiswa Kartu Indonesia Pintar (KIP) di Universitas Adzkia menggunakan algoritma Naïve Bayes. Proses prediksi dilakukan dengan memanfaatkan perangkat lunak RapidMiner melalui pendekatan Knowledge Discovery in Database(KDD) yang mencakup lima tahapan utama: seleksi data, pra-pemrosesan, transformasi, pemodelan, dan evaluasi. Dataset yang digunakan terdiri dari 829 data pendaftar beasiswa KIP tahun 2024, dengan enam atribut utama: Status DTKS, Status P3KE, Kabupaten/Kota Sekolah, Provinsi Sekolah, Jenis Kelamin, dan Status Pendaftar (Diterima/Tidak Diterima). Model prediksi diuji melalui tiga skenario pembagian data, yaitu rasio 70:30, 80:20, dan 90:10. Hasil evaluasi menunjukkan bahwa skenario pembagian data 80:20 memberikan performa terbaik dengan akurasi 77,11%, precision 66,67%, dan recall 5,13%. Nilai recall yang rendah disebabkan oleh jumlah pendaftar yang diterima beasiswa sangat sedikit dibandingkan dengan total pendaftar, serta banyaknya peserta yang tidak memenuhi syarat penerimaan sesuai kriteria KIP Kuliah. Ketidakseimbangan kelas dalam dataset ini berdampak pada kemampuan model dalam mengenali kelas minoritas (diterima). Temuan ini menunjukkan bahwa algoritma Naïve Bayes dapat digunakan sebagai pendekatan awal untuk seleksi beasiswa berbasis data, meskipun diperlukan pengembangan lebih lanjut, baik dari segi teknik penyeimbangan data maupun eksplorasi algoritma lain. Hasil penelitian ini dapat dimanfaatkan oleh Tim PMB Universitas Adzkia untuk mempercepat dan mengefisienkan proses seleksi penerima beasiswa KIP secara objektif.]]>
Copyrights © 2025
