PREDIKSI KELULUSAN MAHASISWA TEPAT WAKTU MENGGUNAKAN ALGORITMA C4.5 PADA UIN SYARIF HIDAYATULLAH JAKARTA

Tuhfatul Habibah Hasibuan; Deni Mahdiana

doi:10.36080/skanika.v6i1.2976

Tuhfatul Habibah Hasibuan Institut Teknologi dan Bisnis Swadharma
Deni Mahdiana Universitas Budi Luhur

DOI: https://doi.org/10.36080/skanika.v6i1.2976

Abstract

Kelulusan tepat waktu adalah salah satu indikator keberhasilan mahasiswa dalam memperoleh gelar sarjana. Dalam praktiknya, mahasiswa tidak dapat selalu menyelesaikan pendidikan sarjana dalam empat tahun. Kelulusan tepat waktu adalah salah satu indikator penilaian kualitas pendidikan tinggi karena salah satu penilaian akreditasi Badan Akreditasi Pendidikan Tinggi Nasional (BANPT). Jumlah lulusan dalam 7 tahun terakhir mahasiswa S-1 yang lulus tepat waktu tidak mencapai 50%. Dalam jangka panjang, hal ini dapat menyebabkan penumpukan mahasiswa di UIN Syarif Hidayatullah di Jakarta dan tentu saja akan menghasilkan penurunan nilai akreditasi untuk Program Studi dan Universitas. Dalam penelitian ini, digunakan teknik data mining, algoritma C4.5 untuk mendeteksi lebih dini mahasiswa yang lulus terlambat, Algoritma C4.5 adalah algoritma yang sudah banyak dikenal dan digunakan untuk klasifikasi data yang memiliki atribut-atribut numerik dan kategorial. Pada penelitian ini menghasilkan Algoritma C4.5 dapat memprediksi kelulusan mahasiswa tepat waktu dengan nilai Accuracy 75,52 %, Precision 75,50%, dan Recall 75,50 %.

Downloads

Download data is not yet available.

References

[1] Y. Al Amin, F.N.;Indahwati, Angraini, “Analisis Ketepatan Waktu Lulus Berdasarkan Karakteristik Mahasiswa Fem Dan Faperta Menggunakan Metode Chart,” Xplore J. Stat., vol. 1, no. 2, pp. 1–8, 2013, doi: 10.29244/xplore.v1i2.12411.
[2] I. S. Prasetyo, T.F., Susandi D., dan Widianingrum, “Prediksi Kelulusan Mahasiswa Pada Perguruan Tinggi Kabupaten Majalengka Berbasis Knowledge Based System,” in Seminar Nasional Telekomunikasi dan Informatika (SELISIK 2016), 2016, pp. 32–37.
[3] H. Romadhona, A.,Suprapedi ,S. dan Himawan, “Prediksi Kelulusan Mahasiswa Tepat Waktu Berdasarkan Usia, Jenis Kelamin, Dan Indeks Prestasi Menggunakan Algoritma Decision Tree,” J. Teknol. Inf., vol. 13, pp. 69–83, 2017.
[4] D. Salmu, S. dan A. Solichin, “Prediksi Tingkat Kelulusan Mahasiswa Tepat Waktu Menggunakan Naïve Bayes : Studi Kasus UIN Syarif Hidayatullah Jakarta Prediction of Timeliness Graduation of Students Using Naïve Bayes : A Case Study at Islamic State University Syarif Hidayatullah Jakarta,” Pros. Semin. Nas. Multidisiplin Ilmu, April, hal. 701–709, 2017.
[5] T. Ojha, “Prediction Of Graduation Delay Based On Student Performance,” 2017.
[6] G. Testiana, “Perancangan Model Prediksi Kelulusan Mahasiswa Tepat Waktu pada UIN Raden Fatah,” JUSIFO (Jurnal Sist. Informasi), vol. 4, pp. 49–62, 2018.
[7] A. Wijaya, J., Soleh, A.M. dan Rizki, “Penanganan Data Tidak Seimbang pada Pemodelan Rotation Forest Keberhasilan Studi Mahasiswa Program Magister IPB,” Xplore J. Stat., vol. 2, no. 2, pp. 32–40, 2018, doi: 10.29244/xplore.v2i2.99.
[8] S. Yunianita, S., Setiani, N., dan Mulyati, “Prediksi Ketepatan Masa Studi Mahasiswa dengan Algoritma Pohon Keputusan C45,” SNATi, pp. 23–29, 2018.
[9] N. Supriyanti, W. , dan Puspitasari, “Implementasi Teknik Seleksi Fitur Forward Selection Pada Algoritma Klasifikasi Data Mining Untuk Prediksi Masa Studi Mahasiswa Politeknik Indonusa Surakarta,” J. Inf. Politek. Indonusa Surakarta, vol. 4, 2018.
[10] M. Rohman,A., dan Rochcham, “Komparasi Metode Klasifikasi Data Mining Untuk Prediksi Kelulusan Mahasiswa,” J. Neo Tek., vol. 5, no. 1, 2019.
[11] dan I. Arrahimi, A.R., Ihsan, M.K., Kartini, D., Faisal, M.R., “Teknik Bagging Dan Boosting Pada Algoritma CART Untuk Klasifikasi Masa Studi Mahasiswa,” J. Sains dan Inform., vol. 5, no. 1, pp. 21, 2019, doi: 10.34128/jsi.v5i1.171.
[12] Y. H. K. Wirawan, C., Khudzaeva, E., Hasibuan, T.H., Karjono, K., dan Lubis, “Application of Data mining to Prediction of Timeliness Graduation of Students (A Case Study),” 2019 7th Int. Conf. Cyber IT Serv. Manag., pp. 1–4, 2019, doi: 10.1109/CITSM47753.2019.8965425.
[13] D. Suwardika, G. dan I. . K. P. ut. Suniantara, “Analisis Random Forest Pada Klasifikasi Cart Ketidaktepatan Waktu Kelulusan Mahasiswa Universitas Terbuka,” BAREKENG J. Ilmu Mat. dan Terap., vol. 13, no. 3, pp. 177–184, 2019, doi: 10.30598/barekengvol13iss3pp177-184ar910.
[14] T. Munawir, M. dan Iqbal, “Prediksi Kelulusan Mahasiswa menggunakan Algoritma Naive Bayes (Studi Kasus 5 PTS di Banda Aceh),” J. JTIK (Jurnal Teknol. Inf. dan Komunikasi), vol. 3, no. 2, pp. 1–5, 2019.
[15] D. Chapman, P., Clinton, J., Kerber, R.Khabaza, T. Reinartz, T.Shearer, C., “CRISP-DM 1.0,” Cris. Consort., hal. 76, 2000.
[16] I. made B. Adnyana, “Penerapan Feature Selection untuk Prediksi Lama Studi Mahasiswa,” J. Sist. Dan Inform., vol. 13, pp. 72–76, 2019.
[17] E. Fox, “Handling missing data,” 2018.
[18] E. Elisa, “Analisa dan Penerapan Algoritma C4.5 Dalam Data Mining Untuk Mengidentifikasi Faktor-Faktor Penyebab Kecelakaan Kerja Kontruksi PT.Arupadhatu Adisesanti,” J. Online Inform., vol. 2, no. 1, pp. 36, 2017, doi: 10.15575/join.v2i1.71.
[19] K. C. Shmueli G., Bruce, P.C., Yahav I., Patel N. R., dan Lichtendahl, Jr., Data Mining For Business Analytics Concepts, Techniques, and Applications in R, First. John Wiley & Sons, Inc., 2018.