Implementasi Algoritma Long Short-Term Memory pada Isu Kenaikan Uang Kuliah Tunggal terhadap Minat Kuliah Mahasiswa

Muhammad Saharullah Raiya; Muhammad Raihan Putra Khamil; Nur Fadillah; Rizal Adi Saputra

doi:10.54914/jit.v11i1.1656

Penulis

Muhammad Saharullah Raiya Universitas Halu Oleo
Muhammad Raihan Putra Khamil Universitas Halu Oleo
Nur Fadillah Universitas Halu Oleo
Rizal Adi Saputra Universitas Halu Oleo

DOI:

https://doi.org/10.54914/jit.v11i1.1656

Kata Kunci:

Data Mining, Long Short-Term Memory, Machine Learning, Mahasiswa, UKT

Abstrak

Kenaikan Uang Kuliah Tunggal (UKT) menjadi isu yang semakin memprihatinkan bagi banyak calon mahasiswa dan orang tua di Indonesia. Keputusan kenaikan UKT secara signifikan membuat banyak calon mahasiswa memutuskan untuk tidak melanjutkan pendidikan ke perguruan tinggi. Sehingga berdampak pada penurunan minat kuliah. Penelitian ini bertujuan untuk menganalisis dampak kenaikan Uang Kuliah Tunggal (UKT) terhadap penurunan minat kuliah calon mahasiswa baru menggunakan algoritma Long Short-Term Memory (LTSM) dalam Machine Learning. Berdasarkan data sentimen dari platfrom youtube dan instagram terkait isu kenaikan UKT, model LSTM diimplementasikan untuk memprediksi minat kuliah berdasarkan isu perubahan UKT. Hasil penelitian menunjukkan bahwa terdapat korelasi yang signifikan antara kenaikan UKT dan penurunan jumlah pendaftaran mahasiswa baru. Model algoritma Long Short-Term Memory (LSTM) menunjukkan efektivitas dalam memprediksi dampak kenaikan uang kuliah tunggal terhadap minat kuliah calon mahasiswa. Hal ini dibuktikan dengan akurasi sebesar 84%, yang menunjukkan kemampuan model dalam mengenali pola historis dari data yang digunakan secara optimal.

Unduhan

Data unduhan belum tersedia.

Referensi

[1] N. Setyawati, “Proses Mofofenemik Prefiks {Meng-} Dalam Pemberitaan Seputar Kenaikan Ukt Di Jawapos.Com,” Journal Of Language And Literature Education (Jolale), Vol. 1, No. 2, Pp. 3046–7373, 2024. DOI: https://doi.org/10.59407/jolale.v1i2.820

[2] S. Rokhman, F. Rozi, And R. A. Asmara, “Pengembangan Sistem Penunjang Keputusan Penentuan Ukt Mahasiswa Dengan Menggunakan Metode Moora Studi Kasus Politeknik Negeri Malang,” Jurnal Informatika Polinema, Vol. 3, No. 4, Pp. 36–43, 2017. DOI: https://doi.org/10.33795/jip.v3i4.41

[3] Fatmah, “Maraknya Aksi Mahasiswa Menentang Kenaikan Ukt Dan Uang Pengembangan,” Jurnal Pembelajaran Dan Pengembangan Diri, Vol. 4, No. 2, Pp. 493–502, 2024, Doi: 10.47353/Bj.V4i2.339.

[4] A. Hanafiah, Y. Arta, H. O. Nasution, And Y. D. Lestari, “Penerapan Metode Recurrent Neural Network Dengan Pendekatan Long Short-Term Memory (Lstm) Untuk Prediksi Harga Saham,” Bulletin Of Computer Science Research, Vol. 4, No. 1, Pp. 27–33, Dec. 2023, Doi: 10.47065/Bulletincsr.V4i1.321. DOI: https://doi.org/10.47065/bulletincsr.v4i1.321

[5] Y. Ardian Pradana, I. Cholissodin, And D. Kurnianingtyas, “Analisis Sentimen Pemindahan Ibu Kota Indonesia Pada Media Sosial Twitter Menggunakan Metode Lstm Dan Word2vec,” Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, Vol. 7, No. 5, Pp. 2389–2397, May 2023, [Online]. Available: Http://J-Ptiik.Ub.Ac.Id

[6] S. J. Pipin And H. Kurniawan, “Analisis Sentimen Kebijakan Mbkm Berdasarkan Opini Masyarakat Di Twitter Menggunakan Lstm,” Jurnal Sifo Mikroskil, Vol. 23, No. 2, Pp. 197–208, 2022. DOI: https://doi.org/10.55601/jsm.v23i2.900

[7] N. M. Sedana Krisna, I. N. Wijaya Saputra, And I. K. Artana Resika, “Analisis Sentimen Berbahasa Inggris Dengan Metode Lstm Studi Kasus Berita Online Pariwisata Bali English Sentiment Analysis Using The Lstm Method Case Study Of Bali Tourism Online News,” Jurnal Teknologi Informasi Dan Ilmu Komputer (Jtiik), Pp. 1325–1334, 2024, Doi: 10.25126/Jtiik.2024118792. DOI: https://doi.org/10.25126/jtiik.1168792

[8] L. Yosia Wibowo, N. Annisa, P. Ananda Khairunnisa Viktor Handrianus Pranatawijaya, And R. Priskila, “Implementasi Long Short-Term Memory Dalam Analisis Sentimen Pengguna Aplikasi Twitter Yang Mengandung Ujaran Kebencian,” Jurnal Mahasiswa Teknik Informatika, Vol. 8, No. 3, Pp. 3170–3174, Jun. 2024. DOI: https://doi.org/10.36040/jati.v8i3.9654

[9] D. J. M. Pasaribu, K. Kusrini, And S. Sudarmawan, “Peningkatan Akurasi Klasifikasi Sentimen Ulasan Makanan Amazon Dengan Bidirectional Lstm Dan Bert Embedding,” Inspiration: Jurnal Teknologi Informasi Dan Komunikasi, Vol. 10, No. 1, Jun. 2020, Doi: 10.35585/Inspir.V10i1.2568. DOI: https://doi.org/10.35585/inspir.v10i1.2568

[10] D. Sintia Amelia And A. Ari Aldino, “Teks Dan Analisis Sentimen Pada Chat Grup Whatsapp Menggunakan Long Short Term Memory (Lstm),” Jurnal Teknologi Dan Sistem Informasi (Jtsi), Vol. 2, No. 4, Pp. 56–61, 2021, [Online]. Available: Http://Jim.Teknokrat.Ac.Id/Index.Php/Jtsi

[11] M. Kamal Wisyaldin, G. Maya Luciana, H. Pariaman, And P. Pembangkitan Jawa Bali, “Pendekatan Long Short-Term Memory Untuk Memprediksi Kondisi Motor 10 Kv Pada Pltu Batubara,” Kilat, Vol. 9, No. 2, Pp. 311–318, 2020, Doi: 10.33322/Kilat.V9i2.997.

[12] M. Apriliyani, M. Izzal Musyaffaq, S. Nur, M. Rini Handayani, And K. Umam, “Implementasi Analisis Sentimen Pada Ulasan Aplikasi Duolingo Di Google Playstore Menggunakan Algoritma Naïve Bayes,” Aiti: Jurnal Teknologi Informasi, Vol. 21, No. 2, Pp. 298–311, 2024. DOI: https://doi.org/10.24246/aiti.v21i2.298-311

[13] A. Pranata And N. Azmi Verdikha, “Klasifikasi Teks Quick Count Pemilihan Presiden 2024 Pada Twitter Menggunakan Metode Tf-Idf Dan Naive Bayes,” Jurnal Informatika Terpadu, Vol. 10, No. 2, Pp. 93–100, 2024, [Online]. Available: Https://Journal.Nurulfikri.Ac.Id/Index.Php/Jit DOI: https://doi.org/10.54914/jit.v10i2.1279

[14] M. David Rhman, A. Djunaidy, And F. Manahanto, “Penerapan Weighted Word Embedding Pada Pengklasifikasian Teks Berbasis Recurrent Neural Network Untuk Layanan Pengaduan Perusahaan Transportasi,” Jurnal Sains Dan Seni Its, Pp. 2337–3520, 2021. DOI: https://doi.org/10.12962/j23373520.v10i1.56145

[15] S. Fachri And P. J. Ramdan, “Pemodelan Machine Learning : Analisis Sentimen Masyarakat Terhadap Kebijakan Ppkm Menggunakan Data Twitter,” Jurnal Sistem Cerdas, Vol. 5, No. 1, Pp. 12–20, 2022, [Online]. Available: Https://T.Co/Ienucgfuuj DOI: https://doi.org/10.37396/jsc.v5i1.191

[16] D. R. Alghifari, M. Edi, And L. Firmansyah, “Implementasi Bidirectional Lstm Untuk Analisis Sentimen Terhadap Layanan Grab Indonesia,” Jurnal Manajemen Informatika (Jamika), Vol. 12, No. 2, Pp. 89–99, Sep. 2022, Doi: 10.34010/Jamika.V12i2.7764. DOI: https://doi.org/10.34010/jamika.v12i2.7764