PERBANDINGAN KINERJA MACHINE LEARNING DALAM KLASIFIKASI MINAT MBKM MAHASISWA UNRI

Authors

  • Gustriza Erda Universitas Riau
  • Siti Farika Sari Universitas Riau
  • Syaftiani Dwi Astuti Universitas Riau
  • Lia Thearas Universitas Riau
  • Anne Mudya Yolanda Universitas Riau

DOI:

https://doi.org/10.36595/jire.v8i2.1217

Keywords:

akurasi, gradient boost machine, MBKM, pohon keputusan, random forest, regresi logistik

Abstract

Program Merdeka Belajar Kampus Merdeka (MBKM) merupakan program yang bertujuan meningkatkan potensi dan keterampilan mahasiswa untuk menghadapi tantangan dunia kerja. Namun, minat mahasiswa Universitas Riau (UNRI) dalam mengikuti program ini masih rendah sehingga perlu penelitian lebih lanjut untuk meningkatkan minat mahasiswa UNRI dalam mengikuti MBKM. Penelitian ini bertujuan membandingkan kinerja bebrapa algoritma machine learning seperti Random Forest, Logistic Regression, Decision Tree, dan Gradient Boost Machine (GBM), serta mengidentifikasi faktor penting yang memengaruhi minat mahasiswa UNRI terhadap MBKM. Data dikumpulkan melalui kuisioner yang disebarkan kepada 396 mahasiswa aktif S1-UNRI angkatan 2019-2023 yang dipilih menggunakan teknik stratified random sampling. Dengan 12 variabel independen yang digunakan, diperoleh bahwa model GBM memiliki kinerja terbaik dengan akurasi uji 91,25% dan recall 98,63%, mengungguli model lainnya. Faktor yang paling berpengaruh terhadap minat mahasiswa adalah keyakinan diri dan dukungan keluarga. Temuan ini menunjukkan bahwa faktor-faktor tersebut dapat menjadi fokus dalam evaluasi dan pengembangan program MBKM di masa depan.

Downloads

Download data is not yet available.

References

[1] H. Triani, “Analisis Kesiapan Penerapan Program MBKM (Merdeka Belajar Kampus Merdeka) Do Fakultas Ekonomi Dan Bisnis Islam Iain Palopo”, Institut Agama Islam Negeri Palopo, 2023. http://repository.iainpalopo.ac.id/id/eprint/7787/1/HIKMAH%20TRIANI.PDF

[2] A. Oksari, L. Nurhayati, D. Susanty, dan G. A. P. K. Wardhani, “Analisis Implementasi Kurikulum Merdeka Belajar-Kampus Merdeka (MBKM) Program Studi Biologi Universitas Nusa Bangsa”. Jurnal Studi Guru Dan Pembelajaran, vol. 5, no. 1, 78-85, 2022. https://www.e-journal.my.id/jsgp/article/view/1556

[3] K. D. P. Meke, R. B. Astro, dan M. H. Daud, “Dampak Kebijakan Merdeka Belajar Kampus Merdeka (MBKM) pada Perguruan Tinggi Swasta di Indonesia”, Edukatif: Jurnal Ilmu Pendidikan, vol. 4, no. 1, 675-685, 2022. https://edukatif.org/index.php/edukatif/article/view/1940

[4] A. Irawan, dan H. Suharyati, “Analisis Dampak Kebijakan Kurikulum Merdeka Belajar Kampus Merdeka (MBKM) pada Perguruan Tinggi: Literatur Review”, Research and Development Journal Of Education, vol. 9, no. 2, 1116-1123, 2023. https://journal.lppmunindra.ac.id/index.php/RDJE/article/view/19419/6044

[5] E. Kusnadi, N. Nur’aeni, I. Asrofi, R. Ramdani, dan K. M. Lutfi, “Respon Mahasiswa dalam Implementasi Kebijakan Program Merdeka Belajar Kampus Merdeka pada Program Studi Pendidikan Pancasila dan Kewarganegaraan”, Edukatif: Jurnal Ilmu Pendidikan, vol. 4, no. 3, 3595-3603, 2022. https://edukatif.org/index.php/edukatif/article/view/2702

[6] M. Rahmayani, “PREDIKSI KUALITAS UDARA MENGGUNAKAN METODE ENSEMBLE PADA MODEL DECISION TREE lD.3, RANDOM FOREST DAN REGRESI LOGISTIK MULTINOMIAL”, Universitas Sriwijaya, 2022. https://repository.unsri.ac.id/76549/56/RAMA_44201_08011281823038_0019077302_0020115903_01_front_ref.pdf

[7] N. Chairunnisa, “Prediksi Kemampuan Pembayaran Klien Home Credit Menggunakan Model Random Forest, Decision Tree, Dan Logistic Regression”, Jurnal Elektronika dan Teknik Informatika Terapan, vol. 1, no. 3, 140-147, 2023. https://e-journal.poltek-kampar.ac.id/index.php/JENTIK/article/view/383

[8] M. Imron dan P. K. Intan, “Implementasi Metode Regresi Logistik Biner Pada Keakuratan Klasifikasi Jenis Musik (Studi Kasus Musik K-Pop dan Western Pada Spotify)”, Jurnal Matematika dan Statistika serta Aplikasinya, vol. 11, no. 2, 30-36, 2023. https://journal.uin-alauddin.ac.id/index.php/msa/article/view/36374/18063

[9] N. Giarsyani, A. F. Hidayatullah, dan R. Rahmadi, “Komparasi Algoritma Machine Learning Dan Deep Learning Untuk Named Entity Recognition: Studi Kasus Data Kebencanaan”, JIRE (Jurnal Informatika & Rekayasa Elektronika), vol. 3, no. 1, 48-57, 2020. https://e-journal.stmiklombok.ac.id/index.php/jire/article/view/222/109

[10] R. Nuraini, R. R. A. Hakim, T. Lisnawati, dan W. T. Fariati, “ Pengembangan Sistem Klasifikasi Tipe Kepribadian Siswa Secara Psikologis dengan Algoritma Decision Tree C.45”, Building of Informatics, Technology and Science (BITS), vol. 3, no. 3, 220-227, 2021. https://ejurnal.seminar-id.com/index.php/bits/article/download/1045/727/

[11] O. Pahlevi, Amrin, dan Y. Handrianto, “Implementasi Algoritma Klasifikasi Random Forest Untuk Penilaian Kelayakan Kredit”, Jurnal Infortech, vol. 5, no. 1, 71-76, 2023. https://ejournal.bsi.ac.id/ejurnal/index.php/infortech/article/download/15829/6000

[12] V. Atlantic, E. Sulistianingsih, dan H. Perdana, “GRADIENT BOOSTING MACHINE PADA KLASIFIKASI KELULUSAN MAHASISWA”, Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya, vol. 13, no. 2, 165-174, 2024. https://jurnal.untan.ac.id/index.php/jbmstr/article/viewFile/76955/75676601169

[13] A. Setiawan, R. F. Waleska, M. A. Purnama, Rahmaddeni, dan L. Efrizoni, “Komparasi Algoritma K-Nearest Neighbor (K-NN), Support Vector Machine (SVM), Dan Decision TREE Dalam Klasifikasi Penyakit Stroke”, JIRE (Jurnal Informatika & Rekayasa Elektronika), vol. 7, no. 1, 107-114, 2024. https://e-journal.stmiklombok.ac.id/index.php/jire/article/view/1161/310

[14] D. W. Hosmer dan S. Lemeshow, Applied Logistic Regression, USA : John Wiley & Sons, 2000.

[15] J. Eska, “Data Mining Untuk Prediksi Penjualan Wallpaper Menggunakan Algoritma C45”, JURTEKSI (Jurnal Teknol. dan Sist. Informasi), vol. 2, 9-13, 2016.

[16] R. Supriyadi, W. gata, N. Maulidah, dan A. Fauzi, “Penerapan Algoritma Random Forest Untuk Menentukan Kualitas Anggur Merah”, Jurnal Ilmiah Ekonomi dan Bisnis, vol. 13, no. 2, 67-75, 2020. https://www.journal.stekom.ac.id/index.php/Bisnis/article/download/247/182

[17] L. Lumbaa, E. Mailoa, dan M. A. I. Pakereng, “Implementasi Metode SVM dan Gradiant Boost Dalam Klasifikasi Bahasa Daerah (Halmahera, Kalimantan, Toraja”, Jurnal Teknik Informatika dan Sistem Informasi, Vol. 9, No. 2, 908-915, 2022. https://jurnal.mdp.ac.id/index.php/jatisi/article/view/1663/768

[18] Rochana, R. M. Darajatun, dan M. A. Ramdhany, “Pengaruh Implementasi Kebijakan Kampus Merdeka terhadap Minat dan Keterlibatan Mahasiswa”, Journal of Business Management Education, Vo. 6, No. 3, 11-21, 2021.

https://ejournal.upi.edu/index.php/JBME/article/viewFile/40165/17632

Downloads

Published

2025-11-03

How to Cite

1.
Erda G, Siti Farika Sari, Syaftiani Dwi Astuti, Thearas L, Yolanda AM. PERBANDINGAN KINERJA MACHINE LEARNING DALAM KLASIFIKASI MINAT MBKM MAHASISWA UNRI . JIRE [Internet]. 2025 Nov. 3 [cited 2025 Nov. 6];8(2). Available from: http://e-journal.stmiklombok.ac.id/index.php/jire/article/view/1217

Issue

Vol. 8 No. 2 (2025): JIRE November 2025

Section

Articles

License

Semua tulisan pada jurnal ini menjadi tanggungjawab penuh penulis.