Klasifikasi Penerima Beasiswa Kartu Indonesia Pintar Kuliah dengan Metode Machine Learning

Nur Fitri Ayu Jelita, Inggih Permana, Febi Nur Salisah

Abstract


Penelitian ini bertujuan untuk mengklasifikasikan kelayakan penerima Beasiswa KIP-Kuliah menggunakan pendekatan machine learning berbasis data sosial ekonomi keluarga mahasiswa. Enam algoritma klasifikasi digunakan, yaitu Naïve Bayes Classifier, K-Nearest Neighbor (KNN), Decision Tree C4.5, Logistic Regression, Support Vector Machine (SVM), dan Random Forest. Evaluasi model dilakukan menggunakan metode hold-out dengan pembagian data sebesar 80% untuk pelatihan dan 20% untuk pengujian yang diulang sebanyak 50 kali, serta diukur menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa algoritma Random Forest memberikan performa terbaik dalam penelitian ini dengan nilai akurasi sebesar 93,5%, precision 94,0%, recall 93,5%, dan F1-score 93,5%, yang menunjukkan kemampuan klasifikasi yang tinggi dan seimbang antara kelas Layak dan Tidak Layak. Selain itu, struktur pohon pada model Decision Tree C4.5 menunjukkan bahwa status rumah, daya listrik, pekerjaan orang tua, pendapatan keluarga, jumlah tanggungan, dan prestasi merupakan faktor utama dalam menentukan kelayakan penerima beasiswa. Berdasarkan hasil tersebut, Random Forest dinilai paling optimal untuk mendukung proses seleksi Beasiswa KIP-Kuliah karena memiliki tingkat akurasi tinggi, kestabilan model yang baik, serta tingkat kesalahan prediksi yang relatif rendah, sehingga mampu meningkatkan objektivitas dan ketepatan sasaran dalam penyaluran beasiswa.

References


Referensi

N. T. Haryati, E. S. Negara, and T. B. Kurniawan, “Klasifikasi Pemberian Beasiswa Berprestasi Menggunakan Perbandingan Tiga Algoritma,” J. Tekno Kompak, vol. 17, no. 1, p. 54, 2023.

R. A. Ma’ruf and U. Chotijah, “Penentuan Beasiswa Berprestasi Menggunakan Metode Simple Additive Weighting (SAW) Di Mi Muhammadiyah 03 Doudo,” J. Nas. Komputasi dan Teknol. Inf., vol. 5, no. 2, pp. 155–165, 2022.

P. Apriyani Br Rangkuti, F. Hanum, and D. Lestari, “Manajemen Pengelolaan Keuangan Mahasiswa Penerima Beasiswa KIP Kota Medan (Studi Kasus Mahasiswa di Kota Medan),” J. Akunt. Keuang. dan Bisnis, vol. 1, no. 2, pp. 38–43, 2023.

I. A. Putri, D. R. Indah, M. A. Firdaus, and P. Sari, “Perbandingan Algoritma C4.5 Dan Naïve Bayes Untuk Klasifikasi Penerima Beasiswa Bank Indonesia Sumatera Selatan,” J. Tek. Inf. dan Komput., vol. 7, no. 2, p. 847, 2024.

A. A. Khair, H. Pratiwi, and N. J. Saputra, “Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Penerima Beasiswa Pada STMIK Widya Cipta Dharma,” no. 25, pp. 1–8, 2024.

Gagan Suganda, Marsani Asfi, Ridho Taufiq Subagio, and Ricky Perdana Kusuma, “Penentuan Penerima Bantuan Beasiswa Kartu Indonesia Pintar (Kip) Kuliah Menggunakan Naïve Bayes Classifier,” JSiI (Jurnal Sist. Informasi), vol. 9, no. 2, pp. 193–199, 2022.

bima A. Pangestu, “INDONESIA PINTAR,” 2024.

M. Rafly and I. Veritawati, “Penggunaan Algoritma Support Vector Machine Untuk Penentuan Rekomendasi Penerima Beasiswa Di SMA Negeri 8 Kota Bogor,” vol. 9, no. 1, pp. 102–113, 2025.

S. Saputra, N. Suarna, I. Ali, and D. Solihudin, “Journal of Artificial Intelligence and Engineering Applications Improving the Classification Model of Smart Indonesia Program Recipients in Koorwilbidikcam Sumber Using the C4.5 Algorithm,” vol. 4, no. 3, pp. 2808–4519, 2025.

H. Ali, N. Hendrastuty, C. Science, and U. T. Indonesia, “COMPARISON OF NAÏVE BAYES CLASSIFIER , SUPPORT VECTOR MACHINE , RANDOM FOREST ALGORITHMS FOR PUBLIC SENTIMENT ANALYSIS OF KIP-K KOMPARASI ALGORITMA NAÏVE BAYES CLASSIFIER , SUPPORT VECTOR MACHINE , RANDOM FOREST UNTUK ANALISIS SENTIMEN PUBLIK PROGRAM KIP-,” vol. 5, no. 6, pp. 1701–1712, 2024.

D. Kurniadi, F. Nuraeni, and A. F. Hazar, “Aplikasi Sistem Prediksi Mahasiswa Penerima Beasiswa Berbasis Web dengan Menerapkan Model Klasifikasi K-Nearest Neighbors,” J. Algoritm., vol. 21, no. 1, pp. 68–79, 2024.

F. D. Sasmita, A. Yasmintya, R. Rahman, and Y. Fernandita, “Pengaruh Gender, Status Ekonomi, dan Kepemilikan KIP Kuliah Terhadap Minat Studi ke Perguruan Tinggi,” J. Kebijak. Pembang., vol. 19, no. 2, pp. 157–172, 2024.

M. Muharrom, “Analisis Penggunaan Orange Data Mining untuk Prediksi Harga USDT/BIDR Binance,” Bull. Inf. Technol., vol. 4, no. 2, pp. 178–184, 2023.

H. N. Fakhri Fikrillah, “Klasifikasi Program Bantuan Sosial Menggunakan Algoritma K-Nearest Neighbor (K-NN)(Studi Kasus Kecamatan Malangbong Kabupaten Garut),” J. Teknol. Inf. dan Ilmu Komput., vol. 12, no. 3, pp. 609–616, 2025.

C. Schröer, F. Kruse, and J. M. Gómez, “A systematic literature review on applying CRISP-DM process model,” Procedia Comput. Sci., vol. 181, no. 2019, pp. 526–534, 2021.


Refbacks

  • There are currently no refbacks.