SYSTEMATIC LITERATUR REVIEW SELEKSI BEASISWA KIP DALAM MACHINE LEARNING

Studi Kasus Beasiswa KIP

Abstract

Proses seleksi penerima Beasiswa Kartu Indonesia Pintar (KIP) masih menghadapi tantangan dalam menjamin ketepatan sasaran, transparansi, dan konsistensi pengambilan keputusan. Tingginya jumlah pendaftar serta keberagaman indikator akademik dan sosial ekonomi seringkali menyebabkan proses evaluasi menjadi kurang efisien dan berpotensi subjektif. Untuk mengatasi permasalahan tersebut, pemanfaatan pendekatan berbasis machine learning menjadi alternatif solusi dalam mendukung sistem seleksi yang lebih objektif dan terukur. Penelitian ini menerapkan metode Systematic Literature Review (SLR) guna menelaah dan mensintesis berbagai studi yang membahas penerapan algoritma klasifikasi dalam seleksi Beasiswa KIP maupun program sejenis. Tahapan penelitian meliputi identifikasi sumber literatur, proses penyaringan berdasarkan kriteria inklusi, evaluasi kualitas publikasi, serta analisis komparatif terhadap metode yang digunakan. Hasil kajian menunjukkan bahwa algoritma Naïve Bayes dan Random Forest merupakan pendekatan yang paling banyak diterapkan, dengan Random Forest cenderung memberikan performa akurasi dan stabilitas yang lebih tinggi, sedangkan Naïve Bayes unggul dari sisi efisiensi komputasi dan kemudahan implementasi. Selain itu, penggunaan metrik evaluasi seperti confusion matrix, akurasi, presisi, recall, dan k-fold cross validation berperan penting dalam memastikan reliabilitas model. Penelitian ini merekomendasikan pengembangan sistem seleksi yang mengintegrasikan variabel akademik dan sosial ekonomi secara komprehensif serta menerapkan evaluasi multi-metrik untuk meningkatkan keadilan dan ketepatan keputusan