Penulis: Agus Nursikuwagus, Tono Hartono, Agus Setiana, Muhammad Agil Alfariski, Refaldi Satria Gumelar, Muhammad Rizdky Maulady
DOI: 10.1109/INCITEST64888.2024.11121501
Abstrak
Menerima beasiswa bagi siswa SMA merupakan salah satu proses kunci dalam memperoleh beasiswa di universitas; oleh karena itu, proses pemantauan dan evaluasi penerima beasiswa di tingkat SMA sangat diperlukan. Kita belum menggunakan pembelajaran mesin untuk prediksi. Proses yang adil dan sesuai sangat penting untuk mendukung pembenaran kandidat. Penelitian ini bertujuan untuk menyediakan model pembelajaran prediksi berdasarkan dataset yang diusulkan. Kami memanfaatkan teknik klasifikasi seperti pohon keputusan berbasis, pembelajaran naive bayes, dan pembelajaran support vector. Sebagai hasil dari tugas tersebut, kami memperoleh berbagai tingkat akurasi, mulai dari pembelajaran pohon hingga support vector machine. Setiap model menyajikan nilai akurasi 1,00, 1,00, 1,00, 0,81, dan 0,99, secara berurutan. SVM mengungguli model lain, khususnya dalam mengurangi prediksi palsu. Dataset terdiri dari 547 instance, dengan 70% di antaranya berada di dataset pelatihan dan 30% di dataset pengujian. Penelitian selanjutnya dapat memanfaatkan metode pembelajaran mendalam atau mesin bahasa besar. Menyediakan parameter penyetelan sangat penting untuk meningkatkan akurasi klasifikasi. © 2024 IEEE.
Kata kunci penulis
pembelajaran klasifikasi; matriks kebingungan; pohon keputusan; model; prediksi
Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015870242
