<![CDATA[Penelitian ini bertujuan untuk memprediksi Indeks Prestasi Semester (IPS) dan Indeks Prestasi Kumulatif (IPK) mahasiswa berdasarkan beberapa variabel karakteristik menggunakan algoritma Markov Chain Monte Carlo (MCMC). Variabel yang digunakan dalam penelitian ini meliputi program studi, golongan darah, pekerjaan ayah, pekerjaan ibu, dan jalur masuk. Prediksi nilai IPS dan IPK sangat penting untuk mengevaluasi kinerja akademik mahasiswa dan memberikan wawasan bagi kebijakan pendidikan di perguruan tinggi. Metode penelitian ini melibatkan penggunaan algoritma MCMC untuk memodelkan hubungan antara variabel karakteristik dengan IPS dan IPK. Data yang digunakan terdiri dari 250 mahasiswa, yang kemudian dibagi menjadi data pelatihan dan pengujian dengan rasio 80:20. Metrik evaluasi seperti Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan R-squared (R²) digunakan untuk mengevaluasi akurasi model prediksi. Hasil penelitian menunjukkan bahwa model MCMC mampu memprediksi IPS dan IPK dengan akurasi yang baik, ditunjukkan oleh nilai MAE sebesar 0.12 untuk IPS dan 0.11 untuk IPK, serta R² sebesar 0.78 untuk IPS dan 0.80 untuk IPK. Variabel program studi dan jalur masuk muncul sebagai faktor yang paling signifikan dalam mempengaruhi nilai akademik mahasiswa, sementara golongan darah memiliki pengaruh yang lebih rendah. Pekerjaan ayah dan pekerjaan ibu juga memberikan kontribusi moderat terhadap prediksi hasil akademik. Kesimpulannya, algoritma MCMC efektif digunakan untuk memprediksi IPS dan IPK berdasarkan karakteristik mahasiswa, memberikan wawasan bagi institusi pendidikan dalam mengambil keputusan terkait pembinaan dan pengelolaan akademik.]]>
Copyrights © 2024
