Prediksi Tingkat Kelulusan Mahasiswa Menggunakan Artificial Neural Network
Keywords:
Artificial neural network, prediksi kelulusan, data akademik, jaringan syaraf tiruan, pendidikan tinggiAbstract
Kelulusan mahasiswa tepat waktu merupakan salah satu indikator penting dalam menilai keberhasilan proses pembelajaran di perguruan tinggi. Tingginya angka keterlambatan kelulusan dapat berdampak pada efektivitas manajemen akademik serta mutu institusi pendidikan. Penelitian ini bertujuan untuk menerapkan metode Artificial Neural Network (ANN) dalam memprediksi tingkat kelulusan mahasiswa berdasarkan data akademik. Pendekatan yang digunakan adalah kuantitatif dengan metode klasifikasi. Data yang digunakan merupakan data sekunder akademik mahasiswa yang meliputi Indeks Prestasi Kumulatif (IPK), jumlah Satuan Kredit Semester (SKS), dan lama masa studi. Dataset dibagi menjadi data latih dan data uji dengan proporsi 80% dan 20%. Proses pelatihan model dilakukan menggunakan algoritma backpropagation. Evaluasi kinerja model dilakukan menggunakan metrik akurasi, precision, recall, dan confusion matrix. Hasil penelitian menunjukkan bahwa model ANN mampu memprediksi tingkat kelulusan mahasiswa dengan nilai akurasi sebesar 82%, serta nilai precision dan recall yang relatif seimbang.
References
Amri, Z., Kusrini, K., & Kusnawi, K. (2023). Prediksi Tingkat Kelulusan Mahasiswa Menggunakan Algoritma Naïve Bayes, Decision Tree, ANN, KNN, Dan SVM. Edumatic: Jurnal Pendidikan Informatika, 7(2), 187–196. Https://Doi.Org/10.29408/Edumatic.V7i2.18620
Darenoh, N. V., Bachtiar, F. A., & Perdana, R. S. (2024). Prediction Of On-Time Student Graduation With Deep Learning Method. Journal Of ICT Research And Applications, 18(1), 1–20. Https://Doi.Org/10.5614/Itbj.Ict.Res.Appl.2023.18.1.1
Fiqha, I., Yandris, G. J., & Nasution, F. A. (2022). Implementation Of Neural Network Algorithms In Predicting Student Graduation Rates. Sinkron, 7(1), 248–255. Https://Doi.Org/10.33395/Sinkron.V7i1.11254
Huda, D. N., & Handayani, S. (2023). Prediksi Nilai Ujian Dengan Artificial Neural Network. Remik, 7(1), 157–165. Https://Doi.Org/10.33395/Remik.V7i1.11983
I Made Budi Adnyana. (2023). Penerapan Teknik Klasifikasi Untuk Prediksi Kelulusan Mahasiswa Berdasarkan Nilai Akademik. Jurnal Teknologi Informasi Dan Komputer, 7(3). Https://Doi.Org/10.36002/Jutik.V7i3.2428
Kania, R., Solihati, T. I., Informatika, J. T., Jaya, U. B., Syeh, J., & Albantani, N. (2022). Prediksi Tingkat Kelulusan Mahasiswa Program Studi Teknik Informatika Universitas Banten Jaya Menggunakan Algoritma Neural Network. Jurnal Sistem Informasi Dan Informatika (Simika), 5(2), 193–200.
Khasanah, N., Saputri, D. U. E., Hidayat, T., & Aziz, F. (2025). Prediksi Kelulusan Mahasiswa Menggunakan Algoritma C4.5 Dengan Rapidminer: Studi Kasus Data Akademik Perguruan Tinggi XYZ. Indonesian Journal Computer Science, 4(2), 100–107. Https://Doi.Org/10.31294/Ijcs.V4i2.9647
Muamar, Y., & Muhajirin, A. (2024). Penerapan Jaringan Saraf Tiruan Dengan Metode Backpropagation Untuk Memprediksi Tingkat Kelulusan Mahasiswa Perguruan Tinggi. Digital Transformation Technology, 4(1), 214–224. Https://Doi.Org/10.47709/Digitech.V4i1.3810
Pratama, R., Herdiana, R., Hamonangan, R., & Anwar, S. (2024). Analisis Prediksi Kelulusan Mahasiswa Menggunakan Metode Artificial Neural Network. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 687–693. Https://Doi.Org/10.36040/Jati.V8i1.8762
Wati, E. F., Indriyani, L., Sunita, E., & Kuswanto, A. D. (2025). Optimasi Machine Learning Dalam Memprediksi Kelulusan Mahasiswa. Reputasi: Jurnal Rekayasa Perangkat Lunak, 6(2).
