Klasifikasi Mahasiswa Berpotensi Drop Out Menggunakan Algoritma C4.5 di Politeknik Negeri Subang
Abstract
Abstrak− Penelitian ini dimulai dengan memperkenalkan konteks masalah, yaitu tingkat keberhasilan dan kegagalan mahasiswa di perguruan tinggi, khususnya di Politeknik Negeri Subang. Kegagalan mahasiswa, yang dapat menyebabkan drop out, menjadi fokus utama karena dapat mempengaruhi mutu pendidikan dan akreditasi perguruan tinggi. Politeknik Negeri Subang, didirikan pada tahun 2014, memiliki jurusan Teknologi Informasi dan Komputer dengan program studi Sistem Informasi (SI). Data mahasiswa SI untuk tahun akademik 2022/2023 menjadi dasar penelitian ini. Tingkat keberhasilan mahasiswa menjadi tantangan di lingkungan perguruan tinggi yang sangat kompetitif. Identifikasi faktor penyebab kegagalan mahasiswa di Politeknik Negeri Subang menjadi kunci untuk mengatasi tantangan ini dan terus meningkatkan kualitas pendidikan. Buku panduan akademik Politeknik Negeri Subang membagi alasan drop out menjadi tiga poin utama, termasuk nilai indeks prestasi semester, jumlah SKS, dan nilai akademik. Penelitian ini bertujuan untuk melakukan klasifikasi pada kasus drop out menggunakan algoritma C4.5 guna mengidentifikasi faktor yang paling berpengaruh. Dalam konteks ini, data mining, khususnya metode klasifikasi dengan algoritma C4.5, dianggap sebagai pendekatan yang efektif untuk menganalisis data mahasiswa yang berpotensi drop out. Penelitian ini juga merujuk pada penelitian terdahulu yang menggunakan algoritma C4.5 untuk klasifikasi mahasiswa berpotensi drop out. Selanjutnya, penelitian ini menetapkan lima atribut sebagai variabel independen, yaitu IPK, SKS, jenis tempat tinggal, jenis transportasi, dan status mahasiswa. Metode penelitian mencakup beberapa tahap, termasuk pengumpulan data dari Sistem Informasi Akademik (SIAKAD) Politeknik Negeri Subang, praproses data, pembagian data menjadi data training dan data testing, serta klasifikasi data menggunakan algoritma Decision Tree C4.5. Penelitian ini mengambil data mahasiswa tahun akademik 2022/2023 dengan total 976 data. Proses praproses data melibatkan data selection, data cleaning, dan data transformation. Setelah pembagian data, dilakukan klasifikasi menggunakan algoritma Decision Tree C4.5. Penelitian ini mengevaluasi performa model dengan menggunakan data testing dan menghasilkan confusion matrix. Hasil evaluasi menunjukkan akurasi sebesar 98.50%, dengan precision untuk Drop Out dan Tidak Drop Out masing-masing 93.18% dan 100.00%. Recall dari data Drop Out dan Tidak Drop Out adalah 64.44% dan 100.00%. Pohon keputusan merupakan output dari penelitian ini, yang dapat memberikan pemahaman lebih lanjut mengenai faktor-faktor yang mempengaruhi mahasiswa drop out. Penelitian ini diharapkan dapat memberikan kontribusi positif dalam upaya mengurangi angka drop out di Politeknik Negeri Subang dan perguruan tinggi pada umumnya.
Kata Kunci: Drop Out, Data Mining, Algoritma C4.5, Decision Tree, Kualitas Pendidikan
Full Text:
PDFReferences
A. H. Nasrullah, “ILKOM Jurnal Ilmiah Volume 10 Nomor 2 Agustus 2018,” vol. 10, 2018.
S. Faisal and U. Buana Perjuangan Karawang Karawang, “TechnoXplore Jurnal Ilmu Komputer & Teknologi Informasi KLASIFIKASI DATA MINNING MENGGUNAKAN ALGORITMA C4.5 TERHADAP KEPUASAN PELANGGAN SEWA KAMERA CIKARANG,” 2019.
P. P. Haryoto, H. Okprana, and I. S. Saragih, “Algoritma C4.5 Dalam Data Mining Untuk Menentukan Klasifikasi Penerimaan Calon Mahasiswa Baru,” vol. 2, no. 5, pp. 358–364, 2021, [Online]. Available: https://ejurnal.seminar-id.com/index.php/tin
K. Faozi, “Optimasi Algoritma C4.5 dengan Fuzzy Inference System Mamdani dalam Memprediksi Mahasiswa Berpotensi Dropout,” 2022. [Online]. Available: http://pijarpemikiran.com/index.php/Scientia
Y. Dwi Atma and A. Setyanto, “PERBANDINGAN ALGORITMA C4.5 DAN K-NN DALAM IDENTIFIKASI MAHASISWA BERPOTENSI DROP OUT,” vol. 2, no. 2, 2018.
T. Vaksinasi Pada Kecamatan Tambun Selatan Anissa Aidha Zulyani, A. Susilo Yuda Irawan, and A. Jamaludin, “Penerapan Data Mining Menggunakan Algoritma K-Means Untuk Menentukan,” Journal Of Social Science Research, vol. 3, pp. 7037–7050, 2023.
A. Suryanto, I. Alfarobi, T. A. Tutupoly, and R. Fauziahti, “OPTIMASI NAIVE BAYES MENGGUNAKAN OPTIMIZE WEIGHTS DAN STRATIFIED PADA DATA KREDIT KOPERASI,” Jurnal Mantik Penusa, vol. 3, no. 1, pp. 211–219, 2019.
A. Junia, “SAINTEK (Jurnal Sains dan Teknologi) Implementasi Algoritma C4.5 Untuk Mengukur Tingkat Kepuasan BPJS Keternaga Kerjaan,” 2021.
C. Zai and T. Komputer, “IMPLEMENTASI DATA MINING SEBAGAI PENGOLAHAN DATA,” 2022.
F. Faisal Nugraha, I. Sunandar, and C. Juliane, “Penerapan Data Mining Dengan Metode Klasifikasi Menggunakan Algoritma C4.5,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 9, no. 4, 2022, [Online]. Available: http://jurnal.mdp.ac.id
T. H. Hasibuan and D. Mahdiana, “Prediksi Kelulusan Mahasiswa Tepat Waktu Menggunakan Algoritma C4.5 Pada Uin Syarif Hidayatullah Jakarta,” SKANIKA: Sistem Komputer dan Teknik Informatika, vol. 6, pp. 61–74, 2023.
D. Ramdan, F. Valentino, N. Ikhsan, and A. Sani, “JBPI-Jurnal Bidang Penelitian Informatika Penerapan Data Mining Terhadap Prediksi Mahasiswa Drop Out Pada Kampus STMIK Widuri Jakarta Dengan Metode Decision Tree C4.5,” 2023. [Online]. Available: https://ejournal.kreatifcemerlang.id/index.php/jbpi
P. Seminar Nasional Pendidikan Matematika, U. Mulawarman ; Rizki, N. A. Mumtaza, M. F. Dewi, C. F. Syahlafandi, and D. Fendiyanto, “Implementasi Pohon Keputusan Untuk Klasifikasi Cara belajar Mahasiswa Mandiri dan Berkelompok Berdasarkan Sumber Belajarnya. Prosiding Seminar Nasional Pendidikan Matematika,” Universitas Mulawarman, vol. 3, pp. 101–106, 2023, [Online]. Available: https://jurnal.fkip.unmul.ac.id/index.php/psnpm
DOI: https://doi.org/10.33365/jtk.v18i1.3439
Refbacks
- There are currently no refbacks.
Copyright (c) 2024 Amelia Ramadhani, Reza Fazarany Noor, Dwi Vernanda, Tri Herdiawan

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jurnal Tekno Kompak
Published by Universitas Teknokrat Indonesia
Organized by Program Studi D3 Sistem Informasi Akuntansi - Universitas Teknokrat Indonesia
Jl. Zainal Abidin Pagaralam, No.9-11, Labuhanratu, Bandarlampung, Indonesia
Telepon : 0721 70 20 22
W : http://ejurnal.teknokrat.ac.id/index.php/teknokompak
E : teknokompak@teknokrat.ac.id.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jumlah Pengunjung : View Tekno Kompak StatsCounter