AL-KHAIDAR, AL-KHAIDAR (2026) Analisis Perbandingan Metode Random Forest dan LightGBM untuk Klasifikasi UKT Menggunakan K-Fold Cross Validation dan Confusion Matrix. S2 thesis, Universitas Malikussaleh.

	Text COVER Al Khaidar.pdf Download (183kB)
	Text ABSTRAK Al Khaidar.pdf Download (276kB)
	Text BAB 1 Al Khaidar.pdf Download (284kB)
	Text DAPUS Al Khaidar.pdf Download (258kB)
	Text Tesis Al Khaidar 2026.pdf Restricted to Registered users only Download (3MB)

Abstract

Uang Kuliah Tunggal (UKT) merupakan sistem pembiayaan pendidikan tinggi yang diterapkan berdasarkan kemampuan ekonomi mahasiswa. Proses penentuan kelompok UKT yang masih dilakukan secara manual berpotensi menimbulkan ketidaktepatan klasifikasi dan subjektivitas dalam pengambilan keputusan. Permasalahan tersebut juga terjadi di Politeknik Negeri Lhokseumawe, di mana masih ditemukan mahasiswa dengan kondisi ekonomi kurang mampu yang memperoleh kelompok UKT yang masih belum sesuai. Penelitian ini bertujuan membandingkan performa algoritma Random Forest dan Light Gradient Boosting Machine (LightGBM) dalam klasifikasi kelompok UKT mahasiswa. Data yang digunakan berjumlah 10.000 data mahasiswa dengan 10 variabel penentu UKT, meliputi pekerjaan ayah, penghasilan ayah, status ayah, pekerjaan ibu, penghasilan ibu, status ibu, jumlah tanggungan, kepemilikan rumah, sumber air, dan kondisi rumah. Tahapan penelitian meliputi preprocessing data, penerapan Synthetic Minority Oversampling Technique (SMOTE), hyperparameter tuning, pelatihan model, serta evaluasi menggunakan confusion matrix dan K-Fold Cross Validation. Hasil penelitian menunjukkan bahwa kedua algoritma memiliki performa yang sangat baik dalam klasifikasi UKT. Random Forest memperoleh akurasi sebesar 99,15%, sedangkan LightGBM menghasilkan performa terbaik dengan akurasi sebesar 99,30% dan validasi silang sebesar 99,33%. LightGBM menunjukkan kestabilan model dan kemampuan generalisasi yang lebih baik dibandingkan Random Forest. Hasil penelitian ini menunjukkan bahwa algoritma LightGBM lebih optimal diterapkan sebagai sistem pendukung keputusan dalam penetapan UKT yang lebih objektif, transparan, dan tepat sasaran.

Item Type:	Thesis (S2)
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Pascasarjana > 71102 - Magister Teknologi Informasi
Depositing User:	AL KHAIDAR
Date Deposited:	01 Jul 2026 02:29
Last Modified:	01 Jul 2026 02:29
URI:	https://rama.unimal.ac.id/id/eprint/20237

Actions (login required)

View Item