PREDIKSI KELULUSAN MAHASISWA TEPAT WAKTU MENGGUNAKAN DECISION TREE: STUDI PERBANDINGAN ALGORITMA ID3 DAN C4.5
DOI:
https://doi.org/10.62281/v3i7.2561Kata Kunci:
Data Mining, ID3, C4.5, Decision Tree, Prediksi Kelulusan, mahasiswa, KlasifikasiAbstrak
Prediksi kelulusan tepat waktu mahasiswa merupakan fokus penting dalam meningkatkan kualitas dan efektivitas pendidikan tinggi secara keseluruhan. Identifikasi secara akurat terhadap mahasiswa yang berisiko mengalami keterlambatan kelulusan memungkinkan institusi akademik untuk melakukan intervensi yang tepat dan tepat waktu guna membantu mahasiswa tetap berada pada jalur kelulusan. Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma decision tree yang banyak digunakan, yaitu ID3 dan C4.5, dalam memprediksi kelulusan tepat waktu berdasarkan sejumlah atribut akademik dan non-akademik yang relevan. Atribut-atribut tersebut mencakup Indeks Prestasi Kumulatif (IPK), jumlah Satuan Kredit Semester (SKS), lama studi, keaktifan dalam organisasi, dan tingkat kehadiran kuliah. Model prediksi dibangun menggunakan data historis akademik mahasiswa program sarjana dari salah satu universitas swasta di Indonesia. Proses evaluasi dilakukan dengan mengukur performa model melalui akurasi klasifikasi dan struktur pohon keputusan yang dihasilkan. Hasil menunjukkan bahwa algoritma C4.5 memiliki kinerja yang lebih baik dibandingkan ID3, baik dari segi akurasi prediksi maupun efisiensi model. Temuan ini menunjukkan potensi metode decision tree, khususnya C4.5, sebagai alat yang efektif dalam mendukung pengambilan keputusan akademik, deteksi risiko secara dini, dan perencanaan institusional. Pada akhirnya, penelitian ini memberikan kontribusi terhadap pengembangan sistem pemantauan mahasiswa yang kuat dan andal, guna menunjang manajemen pendidikan berbasis data serta meningkatkan tingkat kelulusan di perguruan tinggi Indonesia.
Unduhan
Referensi
Han, J., Kamber, M., & Pei, J. (2021). Exploring Data Mining: Concepts and Tools for Data Science. Cambridge: Elsevier.
Han, J., Pei, J., & Tong, H. (2022). Data Mining: Concepts and Techniques (4th ed.). Cambridge: Morgan Kaufmann.
Handayani, D. (2019). Klasifikasi kelulusan mahasiswa menggunakan algoritma C4.5. Jurnal Sistem Informasi, 15(2), 88–95. https://doi.org/10.30865/jsi.v15i2.890
Kusrini, & Luthfi, A. (2020). Algoritma data mining untuk prediksi akademik mahasiswa. Prosiding Seminar Nasional Sistem Informasi Indonesia, 3(1), 87–94. https://doi.org/10.31294/snsi.v3i1.9010
Kusumadewi, S. (2021). Data Mining: Teori dan Aplikasi untuk Prediksi Akademik. Yogyakarta: Andi Offset.
Kusumadewi, S., & Purnomo, H. (2020). Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu.
Prasetyo, E., & Hidayatullah, R. (2021). Penerapan algoritma decision tree untuk prediksi mahasiswa berisiko. Jurnal Teknologi Informasi dan Ilmu Komputer, 8(1), 13–20. https://doi.org/10.25126/jtiik.202181663
Rahmawati, T., & Firmansyah, A. (2020). Analisis faktor-faktor yang mempengaruhi keterlambatan studi mahasiswa. Jurnal Ilmu Pendidikan, 26(3), 223–230. https://doi.org/10.17977/um048v26i32020p223
Septian, R. H., & Kusrini. (2022). Perbandingan kinerja algoritma ID3 dan C4.5 dalam prediksi kelulusan mahasiswa. Jurnal Sains dan Teknologi, 12(1), 55–65. https://doi.org/10.31294/jst.v12i1.12485
Suyono, H., & Nurhadi, D. (2021). Kualitas pendidikan tinggi berbasis outcome dan indikator mutu. Jurnal Pendidikan Indonesia, 10(2), 110–120. https://doi.org/10.23887/jpi-undiksha.v10i2.30020
Wahyudi, I. (2020). Analisis kinerja algoritma klasifikasi menggunakan WEKA. Jurnal Teknologi dan Sistem Komputer, 8(3), 245–252. https://doi.org/10.14710/jtsiskom.2020.8.3.245-252
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Hadi Putra, Khairunnisa Nasution, Elkin Rilvani (Author)
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
