<mods:mods version="3.3" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd" xmlns:mods="http://www.loc.gov/mods/v3" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><mods:titleInfo><mods:title>Implementasi Algoritma Random Forest Pada Sistem &#13;
Monitoring Kepuasan Mahasiswa Terhadap Fasilitas Kampus Berbasis Web</mods:title></mods:titleInfo><mods:name type="personal"><mods:namePart type="given">Ihsan</mods:namePart><mods:namePart type="family">Maulana</mods:namePart><mods:role><mods:roleTerm type="text">author</mods:roleTerm></mods:role></mods:name><mods:abstract>Implementasi Algoritma Random Forest Pada Sistem &#13;
Monitoring Kepuasan Mahasiswa Terhadap Fasilitas Kampus Berbasis Web. Dibawah &#13;
bimbingan Asep Saepulrohman, S.Si., M.Si. dan Kotim Subandi, S.Kom., MT.&#13;
Penelitian ini bertujuan untuk membangun sistem monitoring kepuasan mahasiswa &#13;
terhadap fasilitas kampus berbasis web dengan menerapkan algoritma Random Forest&#13;
sebagai metode klasifikasi untuk menentukan prioritas perbaikan fasilitas berdasarkan &#13;
tingkat kepuasan mahasiswa, sementara algoritma Decision Tree diterapkan sebagai &#13;
algoritma pembanding untuk mendukung proses evaluasi model. Pengembangan &#13;
sistem menggunakan metode System Development Life Cycle (SDLC) yang meliputi &#13;
tahap planning, analysis, design, implementation, testing &amp; integration, dan &#13;
maintenance, dengan tahapan analisis data yang terdiri atas data collecting, data &#13;
preprocessing, exploratory data analysis, data splitting, modeling, dan evaluation. &#13;
Sistem dikembangkan menggunakan bahasa pemrograman PHP dan Python, dengan &#13;
MySQL sebagai basis data.&#13;
Hasil penelitian menunjukkan bahwa model Random Forest yang dibangun dari 265 &#13;
data responden mahasiswa aktif Program Studi Ilmu Komputer FMIPA Universitas &#13;
Pakuan dengan 14 atribut fasilitas, yang dibagi menggunakan metode Stratified Hold�out Validation dengan rasio 70:30 (186 data pelatihan dan 79 data pengujian), &#13;
memperoleh accuracy sebesar 87,34%, precision 88,24%, recall 83,33%, dan F1-&#13;
Score 85,71%, lebih unggul dibandingkan algoritma Decision Tree yang memperoleh &#13;
accuracy sebesar 75,95%. Hasil analisis sistem juga menunjukkan rata-rata tingkat &#13;
ketidakpuasan mahasiswa sebesar 41,14%, dengan kestabilan jaringan WiFi sebagai &#13;
prioritas perbaikan utama, sedangkan kelengkapan alat hardware Laboratorium &#13;
Workshop merupakan fasilitas dengan tingkat kepuasan terbaik. Penelitian ini &#13;
diharapkan dapat menjadi alat bantu monitoring yang objektif bagi Program Studi Ilmu &#13;
Komputer FMIPA Universitas Pakuan dalam mendukung pengambilan keputusan &#13;
terkait prioritas perbaikan fasilitas kampus.</mods:abstract><mods:classification authority="lcc">Ilmu Komputer</mods:classification><mods:originInfo><mods:dateIssued encoding="iso8061">2026-07-12</mods:dateIssued></mods:originInfo><mods:originInfo><mods:publisher>Universitas Pakuan;Fakultas Matematika dan Pengetahuan Alam</mods:publisher></mods:originInfo><mods:genre>Thesis</mods:genre></mods:mods>