<![CDATA[Penelitian ini bertujuan membantu mahasiswa baru memilih Unit Kegiatan Mahasiswa (UKM) yang sesuai minat secara lebih akurat melalui pendekatan hybrid clustering-classification. Data diperoleh dari kuesioner PKKMB 2024, distandarisasi, dan selanjutnya dikelompokkan menggunakan algoritma K-Means untuk mengidentifikasi pola minat mahasiswa. Label klaster hasil pengelompokan ini ditambahkan sebagai fitur tambahan pada model klasifikasi Multinomial Logistic Regression (MLR) dan Random Forest (RF). Evaluasi kinerja model dilakukan dengan stratified k-fold cross-validation, mengukur akurasi, presisi, recall, dan F1-score. Selain itu, uji Chi-Square dan Cramer’s V digunakan untuk menganalisis kekuatan asosiasi antar variabel kategorikal. Hasil eksperimen menunjukkan model hybrid (MLR dan RF) meningkatkan akurasi rekomendasi dibandingkan model baseline tanpa informasi klaster. Klaster minat memberikan konteks tambahan yang memperbaiki interpretabilitas rekomendasi. Sistem prototipe telah siap diintegrasikan ke dashboard layanan kemahasiswaan.]]>
Copyrights © 2026
