Jagosatu.com - Penelitian terbaru dari Universitas Klabat menyoroti bagaimana teknologi Machine Learning bisa digunakan untuk memprediksi nilai IPK (Indeks Prestasi Kumulatif) mahasiswa, terutama bagi mereka yang aktif dalam organisasi atau klub sosial.
Mahasiswa sering kali harus membagi waktu antara belajar dan berorganisasi.
Kegiatan organisasi memang bisa mengasah soft skill seperti kepemimpinan dan kerja sama tim.
Namun, keseimbangan antara aktivitas akademik dan organisasi tidak selalu mudah dijaga.
Penelitian ini berusaha menjawab pertanyaan sederhana: apakah ikut organisasi bisa memengaruhi IPK mahasiswa?
Peneliti utama, Reymon Rotikan dan Green Sandag, menemukan bahwa sebagian mahasiswa yang aktif di organisasi cenderung mengalami penurunan IPK.
Menurut penelitian tersebut, salah satu penyebabnya adalah kurangnya waktu belajar karena padatnya jadwal kegiatan.
Untuk mengatasi hal ini, mereka menggunakan algoritma Machine Learning seperti Support Vector Machine (SVM), Random Forest, dan Naïve Bayes.
Baca Juga: Ketika AI Ngarang Cerita, Siapa yang Tanggung Jawab? Kasus Google Gemma.
Istilah Machine Learning berarti sistem komputer yang bisa belajar dari data tanpa harus diprogram secara langsung.
Dengan pendekatan ini, komputer bisa mengenali pola dari data mahasiswa dan memprediksi kemungkinan nilai IPK mereka.
Model yang dibuat diuji menggunakan metode Cross Validation, yaitu cara untuk memastikan hasil prediksi tetap akurat meski datanya berbeda-beda.
Data penelitian ini diambil dari mahasiswa Universitas Klabat yang aktif dalam organisasi selama lima tahun terakhir.
Data tersebut dibagi dua: data training untuk melatih model dan data testing untuk menguji hasil prediksi.
Tujuan utama penelitian ini adalah membangun model prediksi IPK yang efisien dan bisa membantu mahasiswa mengambil keputusan sebelum bergabung dalam organisasi.
Jika model ini berhasil, universitas bisa menggunakannya untuk memberikan saran akademik yang lebih personal.
Misalnya, sistem bisa memperingatkan mahasiswa dengan jadwal padat agar tidak terlalu banyak mengambil kegiatan non-akademik.
Selain itu, hasil penelitian ini juga membantu dosen dan pembimbing memahami dampak sosial terhadap performa belajar.
Pendekatan ini menunjukkan bagaimana Artificial Intelligence (AI) bisa dimanfaatkan di dunia pendidikan.
AI bukan hanya tentang robot atau otomatisasi, tapi juga alat analisis yang kuat untuk memahami perilaku manusia.
Metode Random Forest bekerja seperti kumpulan pohon keputusan yang menilai banyak kemungkinan sebelum memberikan hasil akhir.
Sementara Naïve Bayes menghitung peluang berdasarkan data masa lalu, seperti memperkirakan kemungkinan nilai IPK tertentu.
Dengan kombinasi ketiga algoritma tersebut, penelitian ini berusaha mencari model terbaik dengan tingkat akurasi tinggi.
Hasilnya diharapkan bisa menjadi acuan bagi universitas lain di Indonesia.
Prediksi IPK semacam ini juga bisa dikembangkan untuk memantau perkembangan mahasiswa setiap semester.
Selain itu, teknologi ini bisa membantu meningkatkan sistem academic advising di kampus.
Ketika mahasiswa tahu potensi akademiknya sejak awal, mereka bisa membuat strategi belajar yang lebih baik.
Penelitian ini menunjukkan bahwa teknologi bisa menjadi jembatan antara teori dan praktik dalam dunia pendidikan.
Dengan kata lain, AI membantu manusia memahami dirinya sendiri melalui data. (KT)
Editor : ALengkong