Pemodelan Prediksi Penerima Beasiswa Kip-Kuliah Menggunakan Metode Weight Product
DOI:
https://doi.org/10.31294/imtechno.v5i1.2958Keywords:
Weight Product, KIP, BeasiswaAbstract
Penelitian ini bertujuan untuk mengembangkan model prediksi penerima beasiswa KIP-Kuliah menggunakan metode Weight Product. Beasiswa KIP-Kuliah adalah bantuan keuangan yang diberikan kepada mahasiswa berprestasi dengan latar belakang ekonomi rendah. Metode Weight Product digunakan untuk mengintegrasikan dan menimbang faktor-faktor kriteria yang mempengaruhi keputusan penerimaan beasiswa.
Â
Studi ini melibatkan metode pengumpulan data dari penerima beasiswa KIP-Kuliah sebelumnya, yaitu beasiswa, sistem pendukung keputusan dan dengan metode weight product tentunya, dengan variabel-variabel seperti pekerjaan dan penghasilan orang tua, kartu yang dimiliki, status kendaraan dan kepemilikan rumah, luas bangunan hingga sarana MCK. Data kemudian diolah menggunakan analisis statistik dan teknik pembobotan untuk menghasilkan model prediksi. Pembobotan dilakukan dengan memberikan bobot relatif pada setiap kriteria berdasarkan kontribusinya terhadap keputusan penerimaan beasiswa.
Â
Hasil dari penelitian ini terdapat 74 calon penerima beasiswa yang direkomendasikan untuk mendapatkan beasiswa KIP dan 12 tidak direkomendasikan dikarenakan kurang sesuai dengan kriteria untuk calon penerima beasiswa KIP. Diharapkan hasil dari penelitian ini dapat memberikan kontribusi dalam meningkatkan keakuratan prediksi penerima beasiswa KIP-Kuliah, membantu penyelenggara beasiswa dalam pengambilan keputusan yang lebih objektif dan efisien. Metode Weight Product yang diusulkan memiliki potensi untuk meningkatkan validitas dan reliabilitas prediksi, sehingga dapat menjadi dasar bagi pengembangan sistem pendukung keputusan dalam proses seleksi penerima beasiswa. Penelitian ini dapat menjadi landasan bagi penelitian lebih lanjut dalam bidang pemodelan prediksi penerimaan beasiswa dengan pendekatan berbasis bobot.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Novita Indriyani, Ahmad Fauzi, Andika Bayu Hasta Yanto
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.