Klasifikasi Sekolah Potensial untuk Promosi Kampus UMBJM Menggunakan Random Forest

Ahmad  Aqli; Finki Dona  Marleny; Windarsyah Windarsyah

doi:10.55338/jumin.v6i3.6122

Authors

Ahmad Aqli Universitas Muhammadiyah Banjarmasin
Finki Dona Marleny Universitas Muhammadiyah Banjarmasin
Windarsyah Windarsyah Universitas Muhammadiyah Banjarmasin

DOI:

https://doi.org/10.55338/jumin.v6i3.6122

Keywords:

Klasifikasi, Random Forest, Promosi Kampus, Sekolah Potensial, Data Pendaftaran Mahasiswa

Abstract

Setiap perguruan tinggi melakukan promosi rutin setiap tahun untuk menarik minat calon mahasiswa baru. Selain memasang spanduk di berbagai lokasi dalam kota, promosi juga dapat dilakukan langsung ke sekolah-sekolah yang dianggap potensial. Penelitian ini bertujuan mengidentifikasi sekolah asal mahasiswa yang memiliki potensi sebagai target promosi kampus Universitas Muhammadiyah Banjarmasin (UMBJM). Metode klasifikasi dengan pendekatan supervised learning digunakan dalam penelitian ini, dengan algoritma Random Forest yang diterapkan pada data pendaftaran mahasiswa UMBJM tahun 2019–2024. Setelah melalui proses filtering dan preprocessing data, model dilatih untuk menghasilkan prediksi dengan akurasi sebesar 81.60%. Hasil penelitian ini diharapkan dapat membantu pihak kampus dalam merancang strategi promosi yang lebih efisien dan tepat sasaran.

Downloads

Download data is not yet available.

References

Agneresa, A. L. Hananto, S. S. Hilabi, A. Hananto, and Tukino, “Strategi Promosi Penerapan Data Mining Mahasiswa Baru Dengan Metode K-Means Clustering,” Dirgamaya J. Manaj. dan Sist. Inf., vol. 2, no. 2, pp. 25–34, 2022, doi: 10.35969/dirgamaya.v2i2.275, [Online]. Available: https://e-journal.rosma.ac.id/index.php/dirgamaya/article/view/275/224

A. R. Pratama, R. R. Aryanto, and A. T. M. Pratama, “Model Klasifikasi Calon Mahasiswa Baru Untuk Sistem Rekomendasi Program Studi Sarjana Berbasis Machine Learning,” J. Teknol. Inf. dan Ilmu Komput., vol. 9, no. 4, pp. 725–734, Aug. 2022, doi: 10.25126/jtiik.2022934311, [Online]. Available. https://jtiik.ub.ac.id/index.php/jtiik/article/view/4311

G. E. Pratiwi and A. Nugroho, “Implementasi metode random forest untuk klasifikasi penjualan produk sabun paling laris,” J. TEKINKOM, vol. 7, no. 2, pp. 531–540, 2024, doi: 10.37600/tekinkom.v7i2.1610, [Online]. Available: https://jurnal.murnisadar.ac.id/index.php/Tekinkom/article/view/1610/780.

N. A. Rahmalinda and A. Jananto, “Penerapan Metode K-Means Clustering Dalam Menentukan Strategi Promosi Berdasarkan Data Penerimaan Mahasiswa Baru,” J. Tekno Kompak, vol. 16, no. 2, p. 163, 2022, doi: 10.33365/jtk.v16i2.1971, [Online]. Available. https://ejurnal.teknokrat.ac.id/index.php/teknokompak/article/view/1971/954

L. Breiman, “Random Forests,” in Machine Learning, vol. 45, R. E. Schapire, Ed., Kluwer Academic Publishers, 2001, pp. 5–32. [Online]. Available: https://link.springer.com/article/10.1023/A:1010933404324

W. E. Nugroho and M. T. Prihandoyo, “Menentukan Program Studi Bagi Calon Mahasiswa Baru Menggunakan Metode Naïve Bayes Dan Metode Decision Tree,” J. Inform. Univ. Pamulang, vol. 7, no. 3, pp. 672–678, 2022, [Online]. Available: https://openjournal.unpam.ac.id/index.php/informatika/article/view/12563/pdf.

M. H. Abdurrohman, E. Haerani, F. Syafria, and L. Oktavia, “IMPLEMENTASI K-MEANS CLUSTERING PADA DATA PENGELOMPOKAN PENDAFTARAN MAHASISWA BARU (STUDI KASUS UNIVERSITAS ABDURRAB),” RABIT J. Teknol. dan Sist. Inf. Univrab, vol. 9, no. 1, pp. 138–147, 2024, [Online]. Available: https://jurnal.univrab.ac.id/index.php/rabit/article/view/4255/1754

A. Yobioktabera and A. W. Wibowo, “Penerapan Data Mining Untuk Memprediksi Penerimaan Calon Mahasiswa Baru Fakultas Kedokteran Menggunakan Algoritma K-NN,” JTET (Jurnal Tek. Elektro Ter., vol. 10, no. 1, pp. 16–19, 2021, [Online]. Available: https://jurnal.polines.ac.id/index.php/jtet/article/view/2550/pdf

Budiman and Z. Niqotaini, “Perbandingan Algoritma Klasifikasi Data Mining untuk Penelusuran Minat Calon Mahasiswa Baru,” Nuansa Inform., vol. 15, no. 2, pp. 37–52, 2021, doi: 10.25134/nuansa.v15i2.4162, [Online]. Available: https://journal.uniku.ac.id/index.php/ilkom/article/view/4162/2676

A. L. Maukar, F. Marisa, A. A. Widodo, N. Kamilaningtyas, and N. D. Nugraha, “Analisis Data Penerimaan Mahasiswa Baru Berbasis K-Means,” JIKO (Jurnal Inform. dan Komputer), vol. 6, no. 2, pp. 142–147, 2022, doi: 10.26798/jiko.v6i2.558, [Online]. Available: https://ejournal.akakom.ac.id/index.php/jiko/article/view/558/pdf

R. Kohavi, “A study of cross-validation and bootstrap for accuracy estimation and model selection,” Proc. 14th Int. Jt. Conf. Artif. Intell., vol. 2, pp. 1137–1143, 1993, [Online]. Available: https://www.ijcai.org/Proceedings/95-2/Papers/016.pdf

F. Bolikulov, R. Nasimov, A. Rashidov, F. Akhmedov, and Y. I. Cho, “Effective Methods of Categorical Data Encoding for Artificial Intelligence Algorithms,” Mathematics, vol. 12, no. 16, Aug. 2024, doi: 10.3390/math12162553. [Online]. Available: https://doi.org/10.3390/math12162553

D. Udariansyah and D. Rahmat Ibrahim, “Klasifikasi Data Penerimaan Mahasiswa Baru Pada Universitas Bina Darma Menggunakan Algoritma K-Means Clustering,” J. Pendidik. dan Konseling, vol. 4, no. 4, pp. 2692–2701, 2022, [Online]. Available: https://journal.universitaspahlawan.ac.id/index.php/jpdk/article/view/5879

A. Kurniawati Hematang, N. Widya Utami, and A. A. I. Ita Paramitha, “Perbandingan Model Prediksi Calon Mahasiswa Baru Menggunakan Algoritma Id3 Dan Random Forest,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 6, pp. 3427–3434, 2023, doi: 10.36040/jati.v7i6.8193, [Online].. Available: https://ejournal.itn.ac.id/index.php/jati/article/view/8193/4847

D. Yusuf, E. Sestri, and F. Razi, “PENGELOMPOKKAN DATA MAHASISWA MENGGUNAKAN CLUSTERING UNTUK OPTIMALISASI PENERIMAAN MAHASISWA BARU,” JIKA (Jurnal Inform. Univ. Muhammadiyah Tangerang, vol. 8, no. 4, p. 484=490, 2024, [Online]. Available: https://jurnal.umt.ac.id/index.php/jika/article/view/12637/5733