Optimalisasi Klasifikasi Prediksi Kelulusan Mahasiswa Kota Subang Menggunakan Algoritma Decision Tree

Abstrak

Dalam melakukan klasifikasi untuk memprediksi kelulusan mahasiswa tepat waktu, berbagai faktor dan kriteria digunakan untuk mengevaluasi apakah seorang mahasiswa dapat menyelesaikan studinya sesuai jadwal. Oleh karena itu, diperlukan metode klasifikasi yang efektif untuk menganalisis data prediksi kelulusan. Penelitian ini memanfaatkan dataset yang dikumpulkan dari tiga perguruan tinggi di Kota Subang, yaitu Universitas Mandiri, Universitas Subang, dan Politeknik Negeri Subang. Pendekatan yang digunakan adalah model Decision Tree sebagai metode klasifikasi. Dataset yang dianalisis berasal dari data alumni perguruan tinggi tersebut, dengan kriteria klasifikasi meliputi jurusan, nama perguruan tinggi, jenis kelas yang diikuti, nilai mahasiswa dari semester pertama hingga semester kelima, serta informasi tahun masuk dan tahun kelulusan mahasiswa. Setelah menentukan atribut data untuk klasifikasi, peneliti menggunakan perangkat lunak RapidMiner untuk mengelola proses klasifikasi dengan model Decision Tree. Pengujian dilakukan dengan menerapkan 5 kali K-Fold Cross Validation, membagi dataset menjadi data pelatihan dan pengujian. Hasil penelitian menunjukkan tingkat akurasi klasifikasi sebesar 88.21% berdasarkan prediksi yang dihasilkan oleh RapidMiner dan metode Decision Tree.