SEMARANG (SUARABARU.ID)– Dosen Teknik Informatika Fakultas Teknologi Informasi dan Komunikasi (FTIK), Universitas Semarang (USM), Sri Handayani ST MT, berhasil meraih gelar Doktor, pada Proram Studi Doktor Sistem Informasi Universitas Diponegoro (Undip), usai ujian disertasi yang dilakukan pada, Kamis (15/1/2026).
Bertindak selaku Promotor Prof Dr Ir R Rizal Isnanto ST MM MT IPU ASEAN Eng, dan Co Promotor Dr Budi Warsito SSi S.
Adapun Ketua Sidang dipimpin Prof Ir Mochamad Agung Wibowo MM MSc PhD, dan Sekretaris Qidir Maulana Binu Soesanto SSi MSi PhD serta Prof Dr Edy Winarno ST MEng (Penguji Eksternal).
BACA JUGA: Upaya USM Tingkatkan Pelayanan yang Lebih Profesional dan Berkelanjutan
Sementara Penguji 1 Dr Oky Dwi Nurhayati ST MT dan Penguji 2 Dinar Mutiara Kusumo Nugraheni ST MInfoTech (Comp) PhD.
Menurut Dr Sri Handayani, mahasiswa merupakan aset yang harus dikelola perguruan tinggi, karena mahasiswa merupakan salah satu penentu kelangsungan hidup dan kualitas perguruan tinggi.
”Perguruan tinggi harus mampu menjaga hubungan dengan mahasiswa, mulai dari menarik minat calon mahasiswa, mengelola mahasiswa yang terdaftar, hingga menjalin hubungan dengan alumni dan pengguna alumni. Perguruan tinggi terkadang memiliki data terbatas, tentang mahasiswanya maupun alumni,” ungkap dia.
BACA JUGA: Rektor USM Lakukan Kegiatan Sosial di Kampung Nelayan Desa Surodadi
Ditambahkannya, penerapan algoritma co-training dalam pengelolaan mahasiswa, menjadi salah satu alternatif untuk mengatasi jumlah data mahasiswa yang terbatas (berlabel).
”Data berlabel dapat dimanfaatkan untuk melatih model, karena jumlahnya hanya dibutuhkan antara 1-10 persen, dan cukup representatif untuk memberikan informasi bermakna,” imbuh Dr Sri.
Lebih lanjut dia menyebutkan, co-training dirancang untuk bekerja dengan dataset terbatas dari data berlabel, sisanya tidak berlabel. Model ini mengandalkan data tidak berlabel, untuk meningkatkan pelatihan.
BACA JUGA: Penguatan Karakter Mahasiswa USM Jadi Kunci Hadapi Era Disrupsi
Disertasi ini menganalisis cara mengidentifikasi mahasiswa, sebagai pelanggan perguruan tinggi yang potensial menggunakan metode pembelajaran mesin semi-terpadu.
Pendekatan co-training yang diuji, menggabungkan model Long Short-Term Memory (LSTM), dan Support Vector Machine (SVM), untuk mengklasifikasikan mahasiswa. Proses co-training LSTM dan SVM pada penelitian ini, dirancang untuk memanfaatkan data berlabel dan data tanpa label secara bersamaan, guna meningkatkan performa identifikasi potensi mahasiswa.
Pendekatan ini memanfaatkan dua model, yang memiliki karakteristik berbeda, yaitu LSTM untuk memproses fitur sekuensial (misalnya perkembangan nilai per semester, prestasi, keaktifan organisasi), dan SVM untuk memproses fitur tabular atau non-sekuensial (misalnya indeks prestasi kumulatif, gaji orang tua, jumlah saudara).
BACA JUGA: Rektor USM Tandatangani Kontrak Kinerja PT Berdampak 2026
Co-training LSTM dan SVM diimplementasikan dalam web app, dengan bahasa pemrograman Python, yang dapat mengidentifikasi mahasiswa berpotensi dan tidak berpotensi.
Hasil web app co-training LSTM dan SVM, dapat dianalisis dan menjadi bahan masukan bagi institusi, untuk mengetahui kondisi potensi mahasiswa yang sedang dalam proses pembelajaran di perguruan tinggi.
Riyan
