Penerapan Data Mining dalam Mendukung Sistem Penunjang Keputusan Penerima Beasiswa di Universitas: Literature Review
DOI:
https://doi.org/10.54082/jiki.214Kata Kunci:
Beasiswa, Data Mining, Sistem Penunjang Keputusan, UniversitasAbstrak
Pengelolaan data yang besar untuk pengambilan keputusan dalam proses pemberian beasiswa di universitas menjadi tantangan tersendiri, terutama untuk memastikan bahwa keputusan yang diambil efektif dan efisien. Penelitian ini dilakukan untuk memberikan informasi terkait penerapan data mining dalam mendukung sistem penunjang keputusan (Decision Support System) sebagai solusi untuk membantu proses penentuan penerima beasiswa. Penelitian dilakukan dengan menganalisis artikel dan jurnal yang relevan melalui Google Scholar, IEEE Xplore, Springer, Science Direct dan database elektronik lainnya. Kata kunci yang digunakan meliputi “data mining”, “sistem penunjang keputusan” dan “beasiswa”. Hasil analisis yang telah dilakukan menunjukan bahwa data mining dengan pemilihan algoritma yang sesuai dengan ukuran dataset akan berdampak pada performa algoritma tersebut. Penelitian ini menunjukan bahwa penerapan data mining dengan algoritma artificial neural network (ANN) memiliki performa terbaik dibanding dengan algoritma pembandingnya dengan hasil diatas 79%. Dengan hasil tersebut penggunaan data mining disimpulkan dapat memberikan kemudahan dalam pengelolaan data yang besar serta dapat meningkatkan efisiensi dan efektivitas dalam pengambilan keputusan. Selain itu, teknologi ini juga berpotensi untuk diterapkan pada bidang lain seperti pertanian, kesehatan, dan keuangan untuk mendukung pengambilan keputusan yang lebih baik berdasarkan data yang dimiliki oleh setiap bidang ilmu.
Referensi
T.-A. Nguyen-Hoang et al., “Advancing Scholarship Management: A Blockchain-Enhanced Platform With Privacy-Secure Identities and AI-Driven Recommendations,” IEEE Access, vol. 12, pp. 168060–168090, 2024, doi: 10.1109/ACCESS.2024.3486078.
Y. Yun, D. Ma, and M. Yang, “Human–computer interaction-based Decision Support System with Applications in Data Mining,” Future Generation Computer Systems, vol. 114, pp. 285–289, Jan. 2021, doi: 10.1016/j.future.2020.07.048.
A. C. Campbell and E. Neff, “A Systematic Review of International Higher Education Scholarships for Students From the Global South,” Review of Educational Research, vol. 90, no. 6, pp. 824–861, Dec. 2020, doi: 10.3102/0034654320947783.
C. Anderson, “Local-level, place-based scholarships: a review of the literature,” Educational Review, vol. 73, no. 5, pp. 638–661, Sep. 2021, doi: 10.1080/00131911.2019.1619520.
P. E. Inc, “Mining, W. I. D,” in Introduction to data mining, New Jersey, 2006, pp. 2–12.
I. H. Sarker, “Data Science and Analytics: An Overview from Data-Driven Smart Computing, Decision-Making and Applications Perspective,” SN COMPUT. SCI., vol. 2, no. 5, p. 377, Sep. 2021, doi: 10.1007/s42979-021-00765-8.
N. Aurelia, G. T. Murti, R. A. Putri, and R. M. Qodryanto, “Sistem Pendukung Keputusan, Decision Support System (DSS),” INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS, vol. 7, no. 1, 2022.
M. H. Natanael and D. Kusumaningsih, “PENERAPAN METODE WEIGHTED PRODUCT PADA SISTEM PENUNJANG KEPUTUSAN UNTUK PEMILIHAN ANGGOTA TERBAIK NAPOSO,” Technologia, vol. 12, no. 1, p. 41, Jan. 2021, doi: 10.31602/tji.v12i1.4181.
S. Mulyani, “Kebijakan Publik Di Bidang Pendidikan Tinggi Dalam Kaitannya Dengan Penerapan Rekognisi Pengalaman Lampau (RPL),” I. Kom. dan Adm. Pub., vol. 11, no. 1, Jun. 2024, doi: 10.37676/professional.v11i1.6012.
R. Hegde, A. G. V, S. Madival, S. H. S, and S. U, “A Review on Data Mining and Machine Learning Methods for Student Scholarship Prediction,” in 2021 5th International Conference on Computing Methodologies and Communication (ICCMC), Erode, India: IEEE, Apr. 2021, pp. 923–927. doi: 10.1109/ICCMC51019.2021.9418376.
H. A. Mengash, “Using Data Mining Techniques to Predict Student Performance to Support Decision Making in University Admission Systems,” IEEE Access, vol. 8, pp. 55462–55470, 2020, doi: 10.1109/ACCESS.2020.2981905.
H. A. Mengash, “Using Data Mining Techniques to Predict Student Performance to Support Decision Making in University Admission Systems,” IEEE Access, vol. 8, pp. 55462–55470, 2020, doi: 10.1109/ACCESS.2020.2981905.
M. Bansal, A. Goyal, and A. Choudhary, “A comparative analysis of K-Nearest Neighbor, Genetic, Support Vector Machine, Decision Tree, and Long Short Term Memory algorithms in machine learning,” Decision Analytics Journal, vol. 3, p. 100071, Jun. 2022, doi: 10.1016/j.dajour.2022.100071.
Z. M. Fadhil, “Hybrid of K-means clustering and naive Bayes classifier for predicting performance of an employee,” PEN, vol. 9, no. 2, p. 799, Apr. 2021, doi: 10.21533/pen.v9i2.1898.
O. I. Abiodun et al., “Comprehensive Review of Artificial Neural Network Applications to Pattern Recognition,” IEEE Access, vol. 7, pp. 158820–158846, 2019, doi: 10.1109/ACCESS.2019.2945545.
Y. Cheng, K. Chen, H. Sun, Y. Zhang, and F. Tao, “Data and knowledge mining with big data towards smart production,” Journal of Industrial Information Integration, vol. 9, pp. 1–13, Mar. 2018, doi: 10.1016/j.jii.2017.08.001.
F. Rolansa, Y. Yunita, and S. Suheri, “Sistem prediksi dan evaluasi prestasi akademik mahasiswa di Program Studi Teknik Informatika menggunakan data mining,” JPIS, vol. 9, no. 1, pp. 75–85, Jun. 2020, doi: 10.31571/saintek.v9i1.1696.
S. Maniyan, R. Ghousi, and A. Haeri, “Data mining-based decision support system for educational decision makers: Extracting rules to enhance academic efficiency,” Computers and Education: Artificial Intelligence, vol. 6, p. 100242, Jun. 2024, doi: 10.1016/j.caeai.2024.100242.
Halaman Ini Dikosongkan
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Muhammad Dafa Alviansyah
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
