Pemodelan Machine Learning untuk Klasifikasi dan Prediksi Tren Distribusi Asal Geografis Mahasiswa Baru

Abstract

Penerimaan mahasiswa baru menghasilkan data yang dapat dimanfaatkan untuk mendukung pengambilan keputusan, khususnya dalam menganalisis pola distribusi asal geografis calon mahasiswa dan menyusun strategi promosi yang lebih tepat sasaran. Penelitian ini bertujuan mengembangkan sistem berbasis website untuk melakukan klasifikasi dan prediksi tren distribusi asal geografis mahasiswa baru menggunakan algoritma Random Forest. Data yang digunakan merupakan data historis mahasiswa baru tahun 2021–2026 yang melalui tahapan preprocessing, klasifikasi, dan prediksi menggunakan Random Forest Regression. Hasil penelitian menunjukkan bahwa sistem mampu mengelompokkan data berdasarkan provinsi, kabupaten/kota, dan asal sekolah, serta menghasilkan prediksi jumlah mahasiswa baru pada periode berikutnya. Evaluasi model memperoleh nilai Accuracy sebesar 92,8persen, MAE sebesar 101, RMSE sebesar 101, MAPE sebesar 7,2persen, dan R² sebesar 0,000. Selain itu, pengujian Black Box menunjukkan seluruh fungsi sistem berjalan sesuai kebutuhan. Hasil penelitian menunjukkan bahwa sistem dapat mendukung analisis distribusi asal geografis mahasiswa baru serta menjadi dasar dalam penyusunan strategi promosi dan pengambilan keputusan yang lebih efektif.