PREDIKSI KELAYAKAN PENERIMA BEASISWA DENGAN KOMBINASI METODE NAIVE BAYES DAN SAW

Abstract

Program beasiswa adalah instrumen penting untuk mendukung akses dan kesetaraan pendidikan, terutama bagi mahasiswa dari keluarga berpenghasilan rendah. Politeknik Negeri Medan (Polmed) berkomitmen menyediakan program beasiswa untuk membantu mahasiswa yang terkendala finansial. Laporan Kinerja Polmed tahun 2021 menunjukkan bahwa dari 14.832 mahasiswa baru, hanya 395 yang dapat menerima beasiswa KIP-K. Salah satu solusi untuk masalah ini adalah mengembangkan sistem prediksi kelayakan penerima beasiswa menggunakan metode Naïve Bayes dan Simple Additive Weighting (SAW). Naïve Bayes digunakan untuk klasifikasi berdasarkan data akademik dan ekonomi, sementara SAW untuk pemeringkatan prioritas. Hasil pengujian menunjukkan performa yang baik dalam menentukan kelayakan dengan variasi akurasi, presisi, dan recall tergantung rasio data latih dan uji. Kriteria minimum 5 dengan rasio 70:30 dan 80:20 menunjukkan akurasi di atas 91%, sementara kriteria minimum lolos 6 dan 7 menunjukkan akurasi dan recall tinggi pada rasio 90:10. Penelitian ini mengindikasikan bahwa sistem berbasis Naïve Bayes dan SAW mampu menjadi alat bantu yang efektif dalam menyaring calon penerima beasiswa dengan mempertimbangkan berbagai kriteria akademik dan ekonomi, sehingga dapat meningkatkan efisiensi seleksi. Selain itu, sistem ini memanfaatkan klasifikasi Naïve Bayes untuk menentukan kelayakan, lalu mengaplikasikan SAW untuk mengurutkan kandidat berdasarkan bobot kriteria, memfasilitasi proses seleksi yang lebih terstruktur dan obyektif. Kombinasi metode ini memberikan hasil yang lebih seimbang dan menyeluruh dalam menentukan kelayakan penerima beasiswa, membantu Polmed menyeleksi penerima beasiswa lebih efisien.