<![CDATA[Penelitian ini bertujuan untuk membandingkan kinerja algoritma Naïve Bayes dan Random Forest dalam memprediksi hasil kelulusan seleksi pendaftar beasiswa Kartu Indonesia Pintar (KIP) di Universitas Adzkia. Menggunakan dataset berjumlah 829 data pendaftar tahun 2024, penelitian ini menerapkan pendekatan eksperimen kuantitatif berbasis proses Knowledge Discovery in Database (KDD) yang meliputi tahap preprocessing, pembangunan model, dan evaluasi performa. Kedua algoritma diuji menggunakan metode 5-Fold Cross Validation dan pembagian data hold-out 80:20, dengan metrik evaluasi Accuracy, Precision, Recall, F1-Score, dan Precision-Recall AUC (PR-AUC) untuk menangani ketidakseimbangan kelas. Hasil penelitian menunjukkan bahwa algoritma Random Forest memberikan performa terbaik dengan nilai Accuracy 83,9%, Recall 61,5%, F1-Score 66,6%, dan PR-AUC 0,78. Analisis feature importance mengungkapkan bahwa faktor penghasilan ayah, status P3KE, dan jumlah tanggungan keluarga merupakan variabel paling berpengaruh terhadap hasil seleksi. Temuan ini menunjukkan bahwa Random Forest lebih unggul dan adaptif dalam menangani dataset tidak seimbang pada kasus pengambilan keputusan di bidang pendidikan. Secara praktis, penelitian ini menawarkan kerangka kerja berbasis data untuk meningkatkan keadilan dan transparansi proses seleksi beasiswa di perguruan tinggi.]]>
Copyrights © 2025
