Implementasi Algoritma Random Forest untuk Klasifikasi Bidang MSIB di Prodi Pendidikan Informatika

Abstract

Magang dan studi independen bersertifikat (MSIB) merupakan salah satu program dari kurikulum MBKM yang mana pada program ini membuka kesempatan bagi mahasiswa untuk belajar langsung di tempat kerja/industri yang dapat menjadi bekal bagi mahasiswa untuk persiapan karier kedepannya. Dengan banyaknya pilihan bidang keahlian pada program MSIB, seringkali menjadi suatu tantangan bagi mahasiswa untuk dapat memilih bidang MSIB yang sesuai dengan keahlian mereka. Tujuan dari penelitian ini adalah mengimplementasikan salah satu algoritma klasifikasi machine learning, yakni algoritma Random Forest untuk membantu proses pemetaan bidang MSIB di Prodi Pendidikan Informatika. Dataset yang digunakan pada penelitian ini berjumlah 100 data, dimana label klasifikasi berjumlah 4 diantaranya MM (multimedia), RPL (rekayasa perangkat lunak), AI (kecerdasan buatan), dan TKJ (teknik komputer dan jaringan), atribut yang digunakan adalah nilai mata kuliah mahasiswa. Hasil yang didapatkan antara lain tingkat akurasi sebesar 80%, precision 80%, dan recall 82%. Maka dapat disimpulkan model klasifikasi bidang MSIB menggunakan algoritma Random Forest termasuk kategori baik.

Certified internships and independent studies (MSIB) are one of the programs in the MBKM curriculum, where this program opens up opportunities for students to learn directly in the workplace/industry which can provide students with preparation for future careers. With so many areas of expertise to choose from in the MSIB program, it is often a challenge for students to be able to choose an MSIB area that suits their skills. The aim of this research is to implement one of the machine learning classification algorithms, namely the Random Forest algorithm, to assist the process of mapping the MSIB field in the Informatics Education Study Program. The dataset used in this research consists of 100 data, of which there are 4 classification labels, including MM (multimedia), RPL (software engineering), AI (artificial intelligence), and TKJ (computer and network engineering), the attribute used is the course grade. student. The results obtained include an accuracy rate of 80%, precision of 80%, and recall of 82%. So it can be concluded that the MSIB field classification model using the Random Forest algorithm is in the good category.