PREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN ALGORITMA DECISION TREE
Kata Kunci:
Prediksi Kelulusan, Decision Tree, Klasifikasi, Keberhasilan Akademik, Data MiningAbstrak
Penelitian ini bertujuan untuk memprediksi kelulusan mahasiswa menggunakan algoritma Decision Tree. Data yang digunakan berupa data sintetis sebanyak 200 entri mahasiswa, mencakup atribut akademik dan non-akademik seperti IPK, jumlah SKS, kehadiran, beasiswa, dan keaktifan organisasi. Model yang dibangun dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan akurasi sebesar 85%, dengan presisi dan recall yang tinggi untuk kelas “Lulus”. Penelitian ini menunjukkan bahwa algoritma Decision Tree efektif dan mudah diinterpretasikan, sehingga berpotensi diterapkan sebagai alat bantu pengambilan keputusan akademik di perguruan tinggi.
This study aims to predict student graduation using the Decision Tree algorithm. The dataset consists of 200 synthetic student records, covering academic and non-academic attributes such as GPA, credit load, attendance, scholarship status, and organizational involvement. The model was evaluated using accuracy, precision, recall, and F1-score. The results showed an accuracy of 85% with high precision and recall for the “Graduated” class. This study demonstrates that Decision Tree is an effective and interpretable method for predicting graduation outcomes and can serve as a practical decision support tool for academic institutions.
