PENERAPAN DATA MINING UNTUK MEMPREDIKSI MAHASISWA NON-AKTIF MENGGUNAKAN ALGORITMA C4.5 DI UNIVERSITAS SANGGA BUANA

Abstrak

Pendidikan tinggi memiliki peran penting dalam pembangunan sumber daya manusia dan kemajuan bangsa. Namun, masalah putus kuliah atau mahasiswa non-aktif masih menjadi tantangan serius bagi perguruan tinggi di Indonesia. Penelitian ini bertujuan untuk menganalisis dan memprediksi mahasiswa non-aktif di Universitas Sangga Buana menggunakan algoritma C4.5. Metode data mining dengan algoritma C4.5 dipilih karena kemampuannya dalam mengidentifikasi pola dan faktor-faktor yang mempengaruhi status keaktifan mahasiswa. Data yang digunakan berasal dari mahasiswa Sistem Informasi angkatan 2020-2022. Variabel yang dianalisis meliputi penghasilan orang tua, beasiswa, Ipk dan lokasi tempat tinggal. Hasil penelitian menunjukkan bahwa model C4.5 memiliki tingkat akurasi 93,50%, dengan class recall 90,01%. Presisi untuk kelas prediksi Non-Aktif mencapai 83,33%, sementara untuk kelas Aktif sebesar 96,67%. Penelitian ini menghasilkan kesimpulan bahwa algoritma C4.5 efektif dalam memprediksi mahasiswa non-aktif, dengan penghasilan orang tua, beasiswa, dan lokasi tempat tinggal sebagai faktor signifikan. Hasil ini dapat membantu institusi dalam mengembangkan strategi pencegahan dan intervensi dini untuk meningkatkan retensi mahasiswa

Berkas

Detail