Publisher

GENINTELEKTUALGENINTELEKTUAL

Journal CoreID JournalCoreID Journal Abstract

Mahasiswa penyandang disabilitas merupakan kelompok yang memerlukan perhatian khusus dalam proses penerimaan di perguruan tinggi, khususnya di Perguruan Tinggi Keagamaan Islam Negeri (PTKIN). Meskipun kebijakan inklusif telah diterapkan, tantangan implementasi di lapangan masih cukup signifikan, terutama dalam hal kesetaraan akses dan kesiapan institusi pendidikan. Studi ini bertujuan untuk menganalisis peluang dan tantangan penerimaan mahasiswa penyandang disabilitas di PTKIN melalui pendekatan pembelajaran mesin untuk memprediksi faktor-faktor yang memengaruhi kelulusan seleksi. Data penelitian terdiri dari 80 calon mahasiswa penyandang disabilitas yang mengikuti seleksi PTKIN, mencakup variabel seperti jenis kelamin, provinsi asal, pendidikan sebelumnya, akreditasi sekolah, dan jenis disabilitas. Proses penelitian meliputi pembersihan data, rekayasa fitur (termasuk pengodean kategori dan rekategorisasi variabel disabilitas), serta penyeimbangan data menggunakan metode SMOTE. Selanjutnya, pelatihan model dilakukan menggunakan tiga algoritma utama, yaitu Support Vector Machine (SVM), Random Forest, dan XGBoost, serta kombinasi model (ensemble voting classifier) untuk perbandingan kinerja. Hasil penelitian menunjukkan bahwa model SVM (kernel RBF) memberikan kinerja terbaik dengan akurasi 80% dan F1-score 0,88 untuk kelas “Lulus. Model ini mengungguli Random Forest dan XGBoost, yang masing-masing memiliki akurasi 65%. Faktor-faktor paling berpengaruh terhadap kelulusan adalah provinsi asal, kategori disabilitas, dan bentuk pendidikan sebelumnya. Temuan ini mengindikasikan bahwa penerimaan mahasiswa penyandang disabilitas di PTKIN masih dipengaruhi oleh faktor geografis dan latar belakang pendidikan, sehingga kebijakan afirmatif perlu diarahkan untuk memperluas akses bagi penyandang disabilitas dari daerah dan latar belakang tertentu. Pendekatan pembelajaran mesin telah terbukti efektif sebagai alat analisis kebijakan pendidikan inklusif di lingkungan PTKIN.

Conclusion

Penelitian ini berhasil menerapkan pendekatan pembelajaran mesin berbasis CRISP-DM untuk memprediksi kelulusan mahasiswa penyandang disabilitas dalam seleksi UM-PTKIN, dengan penanganan ketidakseimbangan data menggunakan SMOTE dan pengodean One Hot Encoding.Model Support Vector Machine (SVM) dengan kernel RBF menunjukkan kinerja terbaik (akurasi 0,80, recall 1,00, F1-score 0,88) dalam mengidentifikasi peserta yang berhasil, sementara analisis fitur menyoroti provinsi asal, tingkat pendidikan tertinggi, dan kategori disabilitas sensorik sebagai faktor paling berpengaruh.Secara keseluruhan, studi ini membuktikan bahwa penggunaan pembelajaran mesin dapat menjadi alat bantu pengambilan keputusan yang efektif untuk sistem seleksi mahasiswa disabilitas, mendukung pengembangan mekanisme seleksi yang lebih inklusif, adil, dan berbasis data.

Future Research

Penelitian selanjutnya dapat memperkaya pemahaman tentang penerimaan mahasiswa penyandang disabilitas di PTKIN dengan beberapa arah. Pertama, mengingat keterbatasan ukuran data dan potensi bias dalam model saat ini, disarankan untuk melakukan studi yang melibatkan kumpulan data yang jauh lebih besar dan lebih beragam, mencakup calon mahasiswa dari seluruh PTKIN dan dari beberapa tahun penerimaan. Hal ini akan memungkinkan pengembangan model pembelajaran mesin yang lebih kokoh dan mampu melakukan generalisasi dengan lebih baik, serta memungkinkan validasi lintas institusi untuk memastikan relevansi model di berbagai konteks PTKIN. Kedua, mengingat temuan penting bahwa provinsi asal, jenis pendidikan sebelumnya, dan kategori disabilitas merupakan faktor dominan dalam kelulusan seleksi, penelitian di masa depan dapat mengeksplorasi secara mendalam efektivitas berbagai program intervensi atau kebijakan afirmatif yang dirancang untuk mengatasi disparitas ini. Misalnya, apakah program pendampingan khusus bagi calon mahasiswa dari daerah terpencil atau peningkatan kapasitas sekolah asal berpengaruh signifikan terhadap peluang mereka untuk berhasil dalam seleksi? Ketiga, studi ini berfokus pada prediksi kelulusan seleksi, namun penting untuk memperluas lingkup penelitian untuk memahami perjalanan mahasiswa penyandang disabilitas setelah mereka diterima. Apa saja faktor-faktor kunci yang berkontribusi pada keberhasilan akademik, retensi studi, dan integrasi sosial mereka di lingkungan PTKIN? Menggabungkan analisis kuantitatif dengan pendekatan kualitatif, seperti wawancara mendalam dengan mahasiswa disabilitas dan staf pengelola, dapat memberikan wawasan yang lebih holistik mengenai tantangan dan peluang mereka, sehingga PTKIN dapat merancang dukungan yang lebih komprehensif dari awal pendaftaran hingga kelulusan.

Metadata

File size	520.72 KB
Pages	13
DMCA	Report