Penerapan Algoritma Decision Tree untuk Memprediksi Kelulusan Mahasiswa Berdasarkan Aktivitas Akademik
Keywords:
Decision Tree, Entropy, Prediksi Kelulusan Mahasiswa, Machine Learning, Students Performance DatasetAbstract
Pemanfaatan teknologi informasi dalam pengolahan data akademik telah menjadi kebutuhan strategis bagi perguruan tinggi, khususnya dalam mendukung proses pengambilan keputusan berbasis data. Salah satu penerapannya adalah prediksi kelulusan mahasiswa guna mengidentifikasi potensi ketidaktepatan waktu penyelesaian studi sehingga dapat dilakukan intervensi akademik secara lebih dini. Berbagai penelitian sebelumnya menunjukkan bahwa algoritma Decision Tree, terutama C4.5, mampu menghasilkan performa prediksi yang baik. Namun, sebagian besar studi masih bergantung pada parameter default seperti Gini index dan menggunakan dataset terbatas sehingga hasilnya kurang generalizable. Penelitian ini memodifikasi algoritma Decision Tree dengan menerapkan kriteria pemisahan Entropy serta memanfaatkan Students Performance Dataset dari Kaggle yang memiliki keragaman atribut lebih luas. Temuan penelitian menunjukkan bahwa penggunaan Entropy dapat meningkatkan akurasi model dan menghasilkan struktur pohon keputusan yang lebih informatif dalam mengidentifikasi faktor-faktor yang mempengaruhi kelulusan mahasiswa. Hasil ini diharapkan dapat menjadi dasar pengembangan sistem prediksi akademik yang lebih akurat, adaptif, dan berbasis machine learning.
References
Alam, M. M., & Singh, P. (2023). Bridging the gap between predictive models and educational practice: A review. Journal of Educational Technology Systems, 51(4), 412-431. https://doi.org/10.1177/00472395231167890
Chen, L., & Li, Z. (2024). Optimizing decision tree performance through split criterion selection and pruning: An empirical study. International Journal of Data Science and Analytics, 17(1), 55-70. https://doi.org/10.1007/s41060-023-00448-y
Dua, D., & Graff, C. (2019). UCI machine learning repository. University of California, School of Information and Computer Science. http://archive.ics.uci.edu/ml
F Ghina, RA Anugrah, DN Febrianto, P Rosyani (2022). Sistem. Pendukung. Keputusan. Pemilihan. Unit Kendaraan Bermotor Dengan Metode Simple. Additve. Weighting (SAW). OKTAL: Jurnal Ilmu Komputer dan Science 1 (12), 2333-2345. https://scholar.google.com/citations?view_op=view_citation&hl=id&user=k13O1FAAAAAJ&cstart=80&citation_for_view=k13O1FAAAAAJ:HoB7MX3m0LUC
Gašević, D., Greiff, S., & Shaffer, D. W. (2023). Towards strengthening links between learning analytics and assessment: Challenges and potentials of a new alliance. Computers in Human Behavior, 139, 107499. https://doi.org/10.1016/j.chb.2022.107499
LA Budiman, AR Hakim, D Pratama, IE Tsalatsah, P Rosyani. (2021). Perancangan Sistem Informasi Nilai Siswa Berbasis Website Jurnal Kreativitas Mahasiswa Informatika 2 (1), 1-6. https://scholar.google.com/citations?view_op=list_works&hl=id&hl=id&user=k13O1FAAAAAJ
L Yuniati, PN Amallianti, MH Rafi, RA Surya, P Rosyani (2022). Sistem Pemilihan Smartphone Terbaik Dengan Menggunakan Perhitungan Metode Weighted Product. Scientia Sacra: Jurnal Sains, Teknologi dan Masyarakat 2 (1), 114-120. https://scholar.google.com/citations?view_op=list_works&hl=id&hl=id&user=k13O1FAAAAAJ&pagesize=80
MR Khasbullah, MGA Sunarso, P Rosyani. Pemilihan Siswa Terbaik Melalui Metode Pendukung. Log. J. Ilmu Komput. dan Pendidik 1 (3), 479-484. https://scholar.google.com/citations?view_op=list_works&hl=id&hl=id&user=k13O1FAAAAAJ&pagesize=80
Pratama, B., & Indriani, R. (2021). Analisis tantangan implementasi learning analytics di perguruan tinggi Indonesia: Studi kasus. Jurnal Teknologi Informasi dan Pendidikan, 14(2), 112-120. https://doi.org/10.24036/jtip.v14i2.278
Sembiring, A., & Budiman, M. A. (2022). Predictive modeling for student academic performance using ensemble methods. International Journal of Emerging Technologies in Learning (iJET), 17(8), 134-150. https://doi.org/10.3991/ijet.v17i08.29945
Wijaya, F. D., & Octaviani, S. (2023). Early detection of at-risk students in online learning using decision tree and clustering. Prosiding Seminar Nasional Teknologi dan Sistem Informasi (SENATIKA), 1, 205-212.https://scholar.google.com/citations?view_op=list_works&hl=id&hl=id&user=k13O1FAAAAAJ&pagesize=80
Yulia, R., & Sari, P. (2022). Penerapan algoritma C4.5 untuk prediksi kelulusan tepat waktu mahasiswa informatika. Jurnal Media Informatika Budidarma, 6(3), 1450-1457. https://doi.org/10.30865/mib.v6i3.4185
