Detail Karya Ilmiah

  • PENENTUAN BOBOT NILAI CALON MAHASISWA BARU JALUR SNMPTN DENGAN MENGGUNAKAN ALGORITMA GENETIKA
    Penulis : Nikmatul Jannah
    Dosen Pembimbing I : Samsul Amar, S.T.,M.Sc.
    Dosen Pembimbing II :Heri Awalul Ilhamsah, S.T.,M.T.
    Abstraksi

    Dalam penerimaan mahasiswa baru pihak kampus menerima siswa yang unggul sehingga dalam proses perkuliahan siswa yang unggul tersebut dapat sukses. Ukuran sukses dalam proses perkuliahan diukur dengan ukuran yang tersedia yaitu IPK. Sedangkan siswa yang unggul yaitu siswa yang mendapatkan IPK tinggi. Penerimaan mahasiswa menggunakan rapor sangatlah sulit sehingga kriteria yang digunakan dalam penerimaan SNMPTN yaitu prediksi IPK. Melalui jalur seleksi SNMPTN membuat pihak kampus merasa kesulitan dalam menentukan bobot yang sesuai dalam memprediksi IPK. Sehingga bisa didapatkan prediksi IPK yang sesuai dengan keunggulan siswa yang diterima dengan error yang sekecil mungkin. Untuk contoh bobot yang digunakan pada jurusan teknik industri yaitu w1=4.40%, w2=0.00%, w3=0.00%, w4=0.00%, w5=0.73%, w6=0.00%, w7=0.00%, w8=0.00%, w9=0.00%, w10=0.00%, w11=0.00%, w12=0.00%, w13=93.41%, w14=0.37%, w15=0.00%, w16=1.10%. dengan urutan w1 sampai w16 yaitu nilai akreditasi sekolah, index sesuai program studi, bahasa indonesia, bahasa inggris, antropologi, kimia, biologi, geografi, teknologi informasi dan komunikasi, usulfiqh, sejarah, fisika, matematika, kewarganegaraan, sosiologi, ekonomi. Kata kunci: prediksi Index Prestasi Kumulatif, SNMPTN, Algoritma Genetika.

    Abstraction

    In the admission of new students the campus receives a superior student so that in the course of the lecture the superior student can be successful. The size of success in the course is measured by the available size of the GPA. While the students who excel the students who get a high GPA. Student acceptance using report cards is very difficult so the criteria used in SNMPTN acceptance is the prediction of GPA. Through the SNMPTN selection point, the campus finds it difficult to determine the appropriate weight in predicting the GPA. So we can get a prediction of GPA in accordance with the benefits of students who received with the smallest error possible. For example the weight used in the industrial engineering department is w1 = 4.40%, w2 = 0.00%, w3 = 0.00%, w4 = 0.00%, w7 = 0.00%, w8 = 0.00% W10 = 0.00%, w10 = 0.00%, w13 = 93.41%, w14 = 0.37%, w15 = 0.00%, w16 = 1.10%. With the order of w1 to w16 which is the value of school accreditation, index according to study program, indonesian, english, anthropology, chemistry, biology, geography, information and communication technology, usulfiqh, history, physics, mathematics, citizenship, sociology, economics. Keywords: Cumulative Achievement Index prediction, SNMPTN, Genetic Algorithm.

Detail Jurnal