ANALISIS KOMPARASI PEMODELAN KLASIFIKASI PADA DATASET PENERIMAAN MAHASISWA BARU PERGURUAN TINGGI

Abstract

Data Penerimaan Mahasiswa Baru (PMB) merupakan aset yang memiliki nilai kebermanfaatan bagi pemangku kepentingan di Perguruan Tinggi. Ekstraksi pengetahuan dari dataset PMB dapat memberikan rekomendasi strategi sesuai dengan kondisi dan fakta yang ada. Pada penelitian ini dilakukan pemodelan klasifikasi pada dataset PMB Perguruan Tinggi untuk melihat preferensi pemilihan program studi bagi mahasiswa baru. Tahapan yang dilakukan meliputi Business Understanding, Data Understanding, Data Pre-Processing, Modeling dan Evaluasi. Dataset yang diolah sejumlah 2704 record data dengan melibatkan 5 model yang dikomparasi, yakni kNN, Naïve Bayes Classifier, Decision Tree Classifier, Support Vector Machine dan AdaBoost. Evaluasi menggunakan nilai Akurasi dan F1 Score. Hasil akhir menunjukkan tingkat akurasi sebesar 74% pada Decision Tree Classifier, Support Vector Machine dan Adaptive Boosting (AdaBoost).