Pengembangan sistem prediksi daftar ulang calon mahasiswa baru menggunakan metode ADABOOST

Setiap tahunnya perguruan tinggi melakukan penerimaan mahasiswa baru secara rutin untuk membuka awal tahun ajaran baru. Namun tingginya jumlah mahasiswa yang mengundurkan diri menyebabkan banyaknya jumlah kursi kosong yang tersisa. Pengunduran diri yang terjadi bisa diminimalisir apabila seleksi calon mahasiswa baru dilakukan dengan tepat. Salah satu caranya dengan membuat model prediksi berbasis machine learning untuk membantu proses seleksi kandidat yang berpotensi menyelesaikan proses penerimaan hingga akhir berdasarkan data yang ada. Agar hal tersebut bisa tercapai, dibuatlah model prediksi menggunakan algoritma Adaboost sekaligus membandingkan performanya dengan model alogoritma Decision Tree. Untuk memaksimalkan peforma model, maka dilakukan analisa variabel dengan menggunakan chi square dalam proses feature selection- nya. Hasil akhir menunjukkan bahwa model prediksi Adaboost memiliki peforma yang lebih baik daripada model Decision Tree dengan skor f-measure 90.9%, precision 83.7% dan recall 99.5%. Selain itu didapatkan juga ciri dari kandidat yang cenderung melanjutkan pendaftaran hingga akhir. Sehingga dengan hasil tersebut bisa membantu pihak perguruan tinggi dalam mengambil keputusan dalam proses seleksi calon mahasiswa baru.