Jagosatu.com - Dunia pendidikan kini semakin canggih dengan hadirnya teknologi kecerdasan buatan atau yang sering disebut Artificial Intelligence (AI).
AI kini tak hanya digunakan untuk robot atau industri, tapi juga bisa membantu memprediksi siapa yang berpeluang lulus kuliah magister.
Penelitian yang dilakukan oleh dua peneliti dari Universitas Klabat ini menemukan cara baru menggunakan algoritma pintar bernama K-Nearest Neighbor atau K-NN.
Algoritma ini bekerja seperti “teman pintar” yang bisa menebak siapa yang akan diterima di kampus impian berdasarkan data akademik mahasiswa.
Menurut penelitian berjudul “Prediksi Kelulusan Mahasiswa Dalam Memilih Program Magister Menggunakan Algoritma K-NN”, sistem ini memiliki akurasi hingga 96,25%.
Artinya, prediksi AI ini bisa dikatakan sangat mendekati hasil sebenarnya di dunia nyata.
Teknologi ini menggunakan dataset publik yang disebut Graduate Admission Dataset dari situs Kaggle.
Baca Juga: Dipecat West Ham, Potter Malah Dekati Peluang Emas Jadi Pelatih Timnas Swedia!
Dataset ini berisi 400 data mahasiswa dari seluruh dunia yang ingin melanjutkan ke program magister.
Beberapa data penting yang digunakan antara lain nilai GRE, TOEFL, IPK (CGPA), rekomendasi dosen, dan pengalaman riset.
AI kemudian mengolah semua data tersebut dan membandingkannya dengan pola data sebelumnya.
Dengan begitu, sistem bisa menebak peluang kelulusan seseorang di universitas tujuan mereka.
Menurut hasil penelitian itu, atribut paling berpengaruh dalam menentukan kelulusan adalah IPK (Cumulative Grade Point Average).
Semakin tinggi IPK, semakin besar peluang diterima di program magister, meskipun faktor lain juga tetap berpengaruh.
Selain IPK, skor TOEFL dan surat rekomendasi dosen juga menjadi faktor penting.
Hal ini menunjukkan bahwa kemampuan bahasa dan dukungan akademik juga turut menentukan kesuksesan seseorang.
Algoritma K-NN bekerja dengan prinsip sederhana namun efektif: ia mencari “tetangga terdekat” dari data yang sudah ada untuk membuat prediksi.
Semakin banyak data yang mirip, semakin akurat pula hasil prediksinya.
Peneliti menggunakan software RapidMiner Studio versi 9.2 untuk menjalankan seluruh proses pengujian.
Menurut hasil evaluasi, model K-NN mengungguli dua algoritma lain yaitu Decision Tree dan Naïve Bayes.
Decision Tree memiliki akurasi 92,5%, sedangkan Naïve Bayes hanya mencapai 82,5%.
Dengan hasil itu, K-NN dinobatkan sebagai algoritma paling unggul untuk memprediksi kelulusan mahasiswa.
Kelebihan K-NN juga terletak pada cara kerjanya yang fleksibel dan bisa digunakan di berbagai bidang.
Selain pendidikan, metode ini bisa diterapkan pada dunia kesehatan, bisnis, dan bahkan sistem rekomendasi online.
Menurut peneliti, model ini nantinya bisa dikembangkan menjadi aplikasi web untuk membantu calon mahasiswa.
Bayangkan jika ada aplikasi yang bisa menghitung peluangmu diterima di universitas top dunia hanya dari nilai dan data akademikmu.
Hal ini tentu sangat membantu bagi siswa yang sedang merencanakan studi lanjut ke luar negeri.
AI bukan hanya mempermudah, tapi juga memberikan pandangan yang lebih objektif tanpa bias manusia.
Dengan bantuan algoritma seperti K-NN, keputusan akademik bisa lebih cepat, akurat, dan efisien.
Namun, peneliti juga menyarankan agar penelitian berikutnya mencoba algoritma lain seperti Random Forest atau SVM.
Tujuannya agar hasil prediksi bisa semakin sempurna dan kesalahan bisa ditekan lebih rendah lagi.
Penelitian ini menjadi bukti bahwa AI semakin dekat dengan dunia pendidikan dan akan menjadi alat penting di masa depan.
Menurut (Acharya, Kaggle, 2020), dataset yang digunakan dalam penelitian ini telah membantu banyak riset di bidang pendidikan global.
Jadi, tak menutup kemungkinan teknologi ini bisa segera diimplementasikan di universitas-universitas Indonesia.
Jika diterapkan dengan baik, AI bisa menjadi “asisten akademik digital” bagi mahasiswa di seluruh dunia.
Dan mungkin, di masa depan, kita akan punya sistem yang tahu siapa yang akan lulus — bahkan sebelum kita mendaftar!
vyr
Editor : Toar Rotulung