EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

ANALISIS PERBANDINGAN XGBOOST DAN CATBOOST PADA SISTEM PENDUKUNG KEPUTUSAN KLASIFIKASI PENERIMA BEASISWA PESANTREN

Rizal Rachman, Popon Dauni, Sri Erina Damayanti

Jurnal Sistem Informasi dan Bisnis Cerdas · 09.02.2026 · 19 (1) · 40-51

DOI: 10.33005/sibc.v19i1.758 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Jurnal Sistem Informasi dan Bisnis Cerdas, online erschienen am 09.02.2026. Verfasst von Rizal Rachman und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Penelitian ini mengembangkan sistem klasifikasi penerima beasiswa untuk mendukung proses seleksi yang lebih objektif pada lingkungan pesantren. Sistem yang dibangun mengelompokkan calon penerima ke dalam tiga kategori, yaitu A (Tahfidz Unggulan), B (Akademik dan Prestasi), dan C (Kebutuhan Ekonomi). Permasalahan utama yang dihadapi dalam proses seleksi adalah ketidakkonsistenan penilaian manual serta keberadaan beberapa fitur yang berpotensi menyebabkan kebocoran informasi, sehingga hasil klasifikasi menjadi bias dan sulit dievaluasi secara adil. Untuk mengatasi permasalahan tersebut, penelitian ini menerapkan tahapan pembersihan data, penghapusan fitur yang berpotensi menyebabkan kebocoran informasi, serta pengembangan fitur turunan guna memperkaya representasi data tanpa mengandalkan indikator yang bersifat deterministik terhadap label. Selain itu, diterapkan pembobotan kelas untuk menangani ketidakseimbangan distribusi data, khususnya pada kategori dengan jumlah sampel terbatas. Evaluasi dilakukan menggunakan skema X-Fold cross-validation dengan membandingkan dua algoritma pembelajaran mesin berbasis pohon, yaitu XGBoost dan CatBoost. Hasil pengujian menunjukkan bahwa XGBoost memberikan kinerja yang lebih stabil dibandingkan CatBoost, dengan akurasi sebesar 86,42% serta F1-score yang lebih konsisten pada sebagian besar kelas. Model ini juga menunjukkan kemampuan yang lebih baik dalam memanfaatkan fitur turunan, terutama pada kategori A dan C yang memiliki jumlah data lebih memadai. Kategori B masih menjadi tantangan utama karena keterbatasan jumlah sampel yang memengaruhi kemampuan model dalam mengenali pola secara menyeluruh. Penelitian ini memberikan kontribusi berupa pendekatan klasifikasi yang lebih terstruktur, objektif, dan dapat diterapkan ulang untuk mendukung proses seleksi beasiswa pada lembaga pendidikan dengan karakteristik serupa

Zitieren

APA

Rachman, R., Dauni, P., & Damayanti, S. E. (2026). ANALISIS PERBANDINGAN XGBOOST DAN CATBOOST PADA SISTEM PENDUKUNG KEPUTUSAN KLASIFIKASI PENERIMA BEASISWA PESANTREN. Jurnal Sistem Informasi dan Bisnis Cerdas, 19(1), 40-51. https://doi.org/10.33005/sibc.v19i1.758

Vancouver

Rachman R, Dauni P, Damayanti SE. ANALISIS PERBANDINGAN XGBOOST DAN CATBOOST PADA SISTEM PENDUKUNG KEPUTUSAN KLASIFIKASI PENERIMA BEASISWA PESANTREN. Jurnal Sistem Informasi dan Bisnis Cerdas. 2026;19(1):40-51. doi:10.33005/sibc.v19i1.758

BibTeX
@article{Rachman2026,
  author = {Rachman, Rizal and Dauni, Popon and Damayanti, Sri Erina},
  title = {ANALISIS PERBANDINGAN XGBOOST DAN CATBOOST PADA SISTEM PENDUKUNG KEPUTUSAN KLASIFIKASI PENERIMA BEASISWA PESANTREN},
  journal = {Jurnal Sistem Informasi dan Bisnis Cerdas},
  year = {2026},
  volume = {19},
  number = {1},
  pages = {40--51},
  doi = {10.33005/sibc.v19i1.758}
}
Kostenlos starten →