Klasifikasi Mahasiswa Berpotensi Putus Studi Menggunakan Algoritma Decision Tree pada Fakultas Teknik Unismuh Makassar
Kata Kunci:
putus studi, Algoritma Decision Tree, klasifikasi, Fakultas Teknik, Universitas Muhammadiyah MakassarAbstrak
Universitas Muhammadiyah Makassar (Unismuh Makassar) menghadapi tantangan signifikan dalam menangani masalah mahasiswa yang berpotensi putus studi, terutama di Fakultas Teknik. Faktor-faktor seperti rendahnya kemampuan akademik, keterbatasan biaya, dan kendala tempat tinggal menjadi pemicu utama masalah ini, yang pada gilirannya dapat menghambat kemajuan perguruan tinggi. Penelitian ini bertujuan untuk mengklasifikasikan mahasiswa yang berpotensi putus studi menggunakan Algoritma Decision Tree C4.5 dan mengevaluasi tingkat akurasi sistem klasifikasi tersebut. Penelitian ini menggunakan metode kuantitatif dengan analisis statistik deskriptif. Dataset yang dianalisis terdiri dari 5657 mahasiswa Fakultas Teknik Unismuh Makassar, dengan atribut-atribut seperti pekerjaan dan penghasilan orang tua/wali, IPK, SKS, dan variabel lainnya yang relevan dengan status akademik mahasiswa. Hasil penelitian menunjukkan bahwa Algoritma Decision Tree C4.5 mampu mengklasifikasikan mahasiswa yang berpotensi putus studi dengan akurasi sebesar 100%. Nilai rata-rata precision dan recall masing-masing adalah 100%, sedangkan nilai rata-rata f1-score mencapai 100%. Temuan ini mengindikasikan bahwa Algoritma Decision Tree C4.5 memiliki performa yang tinggi dan merupakan metode yang efektif dalam mengidentifikasi mahasiswa dengan risiko putus studi, sehingga memungkinkan perguruan tinggi untuk mengambil langkah-langkah preventif yang lebih tepat sasaran.
Referensi
Arfyanti, I., Fahmi, M., & Adytia, P. (2022). Penerapan Algoritma Decision Tree Untuk Penentuan Pola Penerima Beasiswa KIP Kuliah. Building of Informatics, Technology and Science (BITS), 4(3), 1196-1201.
Gaol, N. Y. L. (2020). Prediksi Mahasiswa Berpotensi Non Aktif Menggunakan Data Mining dalam Decision Tree dan Algoritma C4. 5. Jurnal Informasi dan Teknologi, 23-29.
Hakam, M., Sudarno, S., & Hoyyi, A. (2015). Analisis jalur terhadap faktor-faktor yang mempengaruhi indeks prestasi kumulatif (IPK) mahasiswa statistika UNDIP. Jurnal Gaussian, 4(1), 61-70.
Hermanto, H. (2020). Prediksi Kelulusan dan Putus Studi Mahasiswa dengan Pendekatan Bertingkat pada Perguruan Tinggi. Jurnal SIMADA (Sistem Informasi dan Manajemen Basis Data), 3(2), 140-148.
Mudawama, I. R. (2022). Analisis Perbedaan Prestasi Akademik PAI Siswa Ditinjau Dari Input Jalur Penerimaan Peserta Didik Baru (Studi Kasus di SMP Negeri 5 Nganjuk) (Doctoral dissertation, IAIN Kediri).
Nasrullah, A. H. (2021). Implementasi algoritma Decision Tree untuk klasifikasi produk laris. Jurnal Ilmiah Ilmu Komputer Fakultas Ilmu Komputer Universitas Al Asyariah Mandar, 7(2), 45-51.
Orpa, E. P. K., Ripanti, E. F., & Tursina, T. (2019). Model Prediksi Awal Masa Studi Mahasiswa Menggunakan Algoritma Decision Tree C4. 5. JUSTIN (Jurnal Sistem dan Teknologi Informasi), 7(4), 272-278.
Quadri, M. M., & Kalyankar, N. V. (2010). Drop out feature of student data for academic performance using decision tree techniques. Global Journal of Computer Science and Technology, 10(2), 2-5.
Rahmadeyan, A., & Mustakim, M. (2023). Seleksi Fitur pada Supervised Learning: Klasifikasi Prestasi Belajar Mahasiswa Saat dan Pasca Pandemi COVID-19. Jurnal Nasional Teknologi dan Sistem Informasi, 9(1), 21-32.
Rahmadeyan, A., & Mustakim, M. (2023). Seleksi Fitur pada Supervised Learning: Klasifikasi Prestasi Belajar Mahasiswa Saat dan Pasca Pandemi COVID-19. Jurnal Nasional Teknologi dan Sistem Informasi, 9(1), 21-32.
Rahmadeyan, A., & Mustakim, M. (2023). Seleksi Fitur pada Supervised Learning: Klasifikasi Prestasi Belajar Mahasiswa Saat dan Pasca Pandemi COVID-19. Jurnal Nasional Teknologi dan Sistem Informasi, 9(1), 21-32.
Samasil, S., Yuyun, Y., & Hazriani, H. (2022). Klasifikasi Mahasiswa Berpotensi Drop Out Menggunakan Algoritma Naive Bayes Dan Decision Tree. Jurnal Ilmiah Ilmu Komputer Fakultas Ilmu Komputer Universitas Al Asyariah Mandar, 8(2), 108-114.
Sang, A. I., Sutoyo, E., & Darmawan, I. (2021). Analisis Data Mining Untuk Klasifikasi Data Kualitas Udara DKI Jakarta Menggunakan Algoritma Decision Tree Dan Support Vector Machine. eProceedings of Engineering, 8(5).
Sartika, D., & Sensuse, D. I. (2017). Perbandingan algoritma klasifikasi Naive Bayes, Nearest Neighbour, dan Decision Tree pada studi kasus pengambilan keputusan pemilihan pola pakaian. JATISI (Jurnal Teknik Informatika dan Sistem Informasi), 3(2), 151-161.
Sinaga, D., Solaiman, E. J., & Kaunang, F. J. (2021). Penerapan Algoritma Decision Tree C4. 5 Untuk Klasifikasi Mahasiswa Berpotensi Drop out Di Universitas Advent Indonesia. TeIKa, 11(2), 167-173.
Umamah, K. N., Anggraini, M. P., Edyta, N., & Faradiba, A. T. (2018). Prestasi Akademik Ditinjau Dari Keterlibatan Remaja Dalam Kegiatan Ekstrakurikuler. Jurnal Muara Ilmu Sosial, Humaniora, Dan Seni, 2(1), 108-114.
Susilo, U., & Arifin, M. (2020). Analisis Hubungan Indeks Prestasi Semester Dan Indeks Prestasi Kumulatif Dengan Prestasi Mahasiswa Fakultas Ekonomi Universitas Kadiri. RISK: Jurnal Riset Bisnis dan Ekonomi, 1(1), 12-22.
