Jalur Penerimaan Mahasiswa Baru Bukan Penentu Prestasi Belajar Mahasiswa

Suwena, Kadek Rai

doi:10.23887/ekuitas.v5i2.12749

Cited by 7 publications

(6 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Hal ini dikarenakan beberapa faktor seperti waktu pelaksanaannya yang berada di akhir sehingga input yang lebih baik telah sebelumnya masuk melalui jalur ujian yang telah diadakan jauh hari sebelum ujian mandiri. Dengan kata lain, mahasiswa yang masuk melalui jalur ini sebagian besar adalah mereka yang belum berhasil pada ujian-ujian sebelumnya [9].…”

Section: Pendahuluanunclassified

Perbedaan Prestasi Belajar Mahasiswa Ditinjau dari Jalur Seleksi Masuk Perguruan Tinggi

Annizar¹,

Arifin

2021

SAP

View full text Add to dashboard Cite

Masalah yang diangkat dalam penelitian ini adalah bagaimanakah perbedaan prestasi belajar mahasiswa jika ditinjau dari jalur seleksi masuk perguruan tinggi. Berdasarkan masalah tersebut, penelitian ini bertujuan untuk mengetahui ada atau tidaknya perbedaan prestasi belajar mahasiswa berdasarkan jalur masuk perguruan tinggi. Pendekatan penelitian yang digunakan adalah pendekatan kuantitatif, yang di dalamnya memuat beberapa uji hipotesis seperti uji normalitas, uji homogenitas, uji anova, dan uji kruskall. Penelitian ini dilaksanakan tahun 2020 dengan sampel sebanyak 1.215 mahasiswa IAIN Jember. Hasil penelitian menunjukkan Indeks Prestasi Kumulatif (IPK) mahasiswa UMPTKIN berbeda secara signifikan yakni lebih besar dari pada IPK mahasiswa SPAN maupun

show abstract

Section: Pendahuluanunclassified

Perbedaan Prestasi Belajar Mahasiswa Ditinjau dari Jalur Seleksi Masuk Perguruan Tinggi

Annizar¹,

Arifin

2021

SAP

View full text Add to dashboard Cite

show abstract

“…In its application, the school is given the authority to propose outstanding students so that they can register in accordance with the SNMPTN registration requirements. [10].…”

Section: A Snmptn Entrance Pathmentioning

confidence: 99%

Application of Random Forest Method to Prediction of Student Candidates Accepted in the SNMPTN Pathway (Case Study at Universitas Lambung Mangkurat)

Vicka Karina

2024

JTekInfULM

View full text Add to dashboard Cite

Academic planning is an essential aspect that needs to be carried out to plan the teaching and learning process in a campus, such as the admission of new students through the SNMPTN. At Lambung Mangkurat University, it is known that the partici- pants who took the SNMPTN during the 2021 admission period amounted to 7,703. It is recognized that selecting candidates is not easy due to many prospective students passing the selection but choosing to withdraw. Therefore, a system is needed to predict the graduation of prospective students through the SNMPTN. This research utilizes the Random Forest method to predict the graduation of prospective students through the SNMPTN. The data will be divided into 90% for training data and 10% for testing data, then using classification parameters with 300 n-estimators. The research yielded a precision value of 0.72, recall value of 0.46, and system accuracy of 89.3% For further research recommendations, other prediction methods can be explored to forecast the graduation rate of students through the SNMPTN, or a comparison of methods can be con- ducted to determine which method is more effective.

show abstract

“…Pada suatu perguruan tinggi negeri mahasiswa baru diterima melalui 3 jalur seleksi yaitu SNMPTN jalur undangan berdasarkan nilai rapor 5 semester−, SBMPTN−jalur seleksi berdasarkan hasil UTBK−, dan mandiri−jalur seleksi melalui serangkaian tes masing-masing perguruan tinggi− (Suwena, 2017). Jumlah mahasiswa baru yang diterima setiap tahunnya akan mempengaruhi proses perkuliahan pada perguruan tinggi tersebut.…”

Section: Pendahuluanunclassified

Prediksi Jumlah Mahasiswa Baru Menggunakan Metode Regresi Linier Sederhana

Almumtazah¹,

Azizah²,

Putri³

et al. 2021

JIMT

View full text Add to dashboard Cite

Jumlah mahasiswa baru suatu universitas selama 5 tahun terakhir yaitu mulai tahun 2016 hingga tahun 2020 mengalami kenaikan dan penurunan. Data tersebut selanjutnya akan digunakan untuk memprediksi pada tahun mendatang. Tujuan dibuat sebuah prediksi adalah untuk mengetahui rasio dosen yang tersedia dengan jumlah mahasiswa baru, mempersiapkan ruang kuliah dan juga fasilitas lainnya. Salah satu metode dengan penggunaan data masa lampau untuk melakukan prediksi adalah dengan metode regresi linier. Pada penelitian ini yang menjadi variabel bebas adalah periode tahun akademik sedangkan yang menjadi variabel terikat adalah jumlah mahasiswa baru. Data yang akan digunakan merupakan data mahasiswa baru fakultas sains dan teknologi yang terdiri dari 6 program studi dengan nilai MAPE (Mean Absolute Percentage Error) yaitu matematika , ilmu kelautan , biologi , sistem informasi , arsitektur , dan teknik lingkungan . Berdasarkan hasil analisis data tersebut juga didapatkan prediksi jumlah mahasiswa baru 5 tahun kedepan dengan hasil cenderung turun untuk setiap program studi.

show abstract

Jalur Penerimaan Mahasiswa Baru Bukan Penentu Prestasi Belajar Mahasiswa

Cited by 7 publications

References 0 publications

Perbedaan Prestasi Belajar Mahasiswa Ditinjau dari Jalur Seleksi Masuk Perguruan Tinggi

Perbedaan Prestasi Belajar Mahasiswa Ditinjau dari Jalur Seleksi Masuk Perguruan Tinggi

Application of Random Forest Method to Prediction of Student Candidates Accepted in the SNMPTN Pathway (Case Study at Universitas Lambung Mangkurat)

Prediksi Jumlah Mahasiswa Baru Menggunakan Metode Regresi Linier Sederhana

Contact Info

Product

Resources

About