Pengklasifikasian Penerima Beasiswa Bidikmisi FMIPA UNP Tahun 2016 dengan Menggunakan Metode Classification and Regression Trees

Hamida, Elfin Innaka (2018) Pengklasifikasian Penerima Beasiswa Bidikmisi FMIPA UNP Tahun 2016 dengan Menggunakan Metode Classification and Regression Trees. Skripsi thesis, Universitas Negeri Padang.

Preview

Text A_02_ELFIN_INNAKA_HAMIDA_14030024_4053_2018.pdf Download (393kB) | Preview

Abstract

Bidikmisi merupakan bantuan dana pendidikan yang diberikan pemerintah kepada calon mahasiswa tidak mampu secara ekonomi untuk memenuhi biaya pendidikan di perguruan tinggi hingga lulus tepat waktu. Penerimaan bidikmisi belum tepat sasaran karena adanya mahasiswa yang bukan tergolong keluarga tidak mampu secara ekonomi sehingga tujuan bidikmisi belum sepenuhnya tercapai. Oleh karena itu, tujuan penelitian ini adalah melakukan analisis untuk mengklasifikasikan penerimaan bidikmisi sehingga akan diketahui ciri kelompok menerima dan tidak menerima bidikmisi yang berpengaruh terhadap penerimaan bidikmisi. Jenis penelitian ini adalah penelitian terapan dengan data sekunder sebanyak 275 data. Variabel terikat adalah status penerimaan bidikmisi dan variabel bebas adalah Pekerjaan Ayah, Pekerjaan Ibu, Jumlah Tanggungan, Kepemilikan Rumah, Luas Bangunan, Penghasilan Ayah, dan Penghasilan Ibu. Penelitian ini menggunakan metode Classification and Regression Trees dengan software SPM 8.2 dengan tahapan yaitu pembentukan pohon klasifikasi terdiri dari proses pemecahan simpul, pelabelan kelas, penghentian pembentukan, pemangkasan, dan penentuan pohon optimal, selanjutnya menguji tingkat keakuratan klasifikasi, dan menginterpretasikan hasil. Penelitian ini menghasilkan 5 kelas klasifikasi dengan 4 variabel bebas yang berpengaruh dalam pengklasifikasian yaitu Pekerjaan Ayah, Pekerjaan Ibu, Penghasilan Ayah, dan Luas Bangunan. Dari pohon optimal diperoleh ciri kelompok mahasiswa yang menerima bidikmisi adalah yang memiliki pekerjaan orang tua sebagai petani dan lain-lain (seperti tidak bekerja, tukang ojek, kuli bangunan, dll) dengan penghasilan ayah 1 juta. Sedangkan ciri kelompok mahasiswa yang tidak menerima bidikmisi adalah yang memiliki pekerjaan ayah sebagai PNS, Pegawai Swasta, Wirausaha, atau Nelayan. Keakuratan klasifikasi untuk data awal sebesar 72,73% dan data uji sebesar 66,91%.

Actions (login required)

View Item