PERBANDINGAN MODEL PREDIKSI CALON MAHASISWA BARU MENGGUNAKAN ALGORITMA ID3 DAN RANDOM FOREST

STUDI KASUS: STMIK PRIMAKARA

Abstrak

Setiap tahun, baik Perguruan Tinggi Negeri maupun Perguruan Tinggi Swasta melaksanakan proses penerimaan mahasiswa secara rutin. Sebagai contoh, STMIK Primakara secara berkala membuka pendaftaran untuk calon mahasiswa baru. Berdasarkan data tahun 2022, terdapat 253 individu yang mengajukan pendaftaran, di mana 231 di antaranya melakukan proses pendaftaran ulang, sementara sisanya tidak melanjutkan proses tersebut, terdapat kesenjangan antara pendaftar awal dan pendaftaran ulang. Untuk mengatasi masalah ini, diperlukan analisis data menggunakan metode klasifikasi dalam data mining dengan membandingkan algoritma klasifikasi dengan harapan ditemukan algoritma dengan tingkat akurasi tertinggi untuk memberikan prediksi terbaik, sehingga dapat mendukung perguruan tinggi dalam mengoptimalkan penerimaan mahasiswa baru dan menyediakan pertimbangan strategis untuk masa yang akan datang. Penelitian akan membandingkan kinerja dua algoritma, yaitu ID3 dan Random Forest. Dimana hasil dari penelitian ini menunjukan bahwa secara keseluruhan, kedua algoritma menunjukkan tingkat akurasi yang baik, dengan nilai di atas 90%. ID3 mencapai skor lebih tinggi pada ketiga split validation (92,34%, 92,3%, dan 94,8%) dibandingkan Random Forest. Meskipun demikian, perbedaan skor antara keduanya tidak signifikan, hanya berkisar 1,3 hingga 2.