SISTEM REKOMENDASI PENERIMA BEASISWA PADA CALON MAHASISWA MENGGUNAKAN ALGORITMA XGBOOST DI UNIVERSITAS ISLAM DARUL ‘ULUM LAMONGAN

M. Tsalits Nururrohman; Endang Setyati

Authors

M. Tsalits Nururrohman Institut Sains dan Teknologi Terpadu Surabaya
Endang Setyati Program Studi Teknologi Informasi, Institut Sains dan Teknologi Terpadu Surabaya

Keywords:

sistem rekomendasi, beasiswa, data mining, XGBoost, CRISP-DM

Abstract

ABSTRAK

Peningkatan pesat dalam teknologi informasi telah memungkinkan pemanfaatan teknik data mining dalam berbagai bidang, termasuk dalam seleksi kelayakan penerima beasiswa. Metodologi yang digunakan dalam penelitian ini adalah framework CRISP-DM yang terdiri dari enam tahapan: pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan deployment. Data yang digunakan mencakup informasi akademik dan ekonomi mahasiswa dari tahun ajaran 2023/2024 dan 2024/2025 dengan total 1327 entri data. Penelitian ini bertujuan untuk mengembangkan model rekomendasi kelayakan beasiswa bagi mahasiswa Universitas Islam Darul 'Ulum Lamongan menggunakan algoritma Extreme Gradient Boosting (XGBoost) dengan menggunakan fitur/atribut sebanyak 10 atribut/fitur termasuk kelas targetnya terdiri dari: Status_DTKS, Status_P3KE, Penghasilan_Ayah, Penghasilan_Ibu, Sumber_Daya_Listrik, Prestasi, Kepemilikan_Rumah, Nilai_Test, dan Rata-rata_Skor_Kuesioner, dan Output_Class. Hasil penelitian menunjukkan bahwa kedua algoritma memiliki tingkat akurasi yang tinggi dalam mengklasifikasikan kelayakan beasiswa mahasiswa. Algoritma XGBoost mencapai tingkat akurasi yaitu : 98,99% dengan nilai AUC adalah 99,31%,