Claim Missing Document
Check
Articles

Found 2 Documents
Search

Analisis Faktor Dominan Prediksi Dropout Mahasiswa Menggunakan Random Forest, XGBoost dan XAI Norma Devi Kurniasari; Trian Basofi Rohman; Ari Widianto; Anis Shobikah; Gaguk Triono
Jurnal Sains Informatika Terapan Vol. 5 No. 2 (2026): Jurnal Sains Informatika Terapan (Juni, 2026)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v5i2.1183

Abstract

Masalah mahasiswa yang putus kuliah (dropout) menjadi tantangan signifikan bagi perguruan tinggi karena memengaruhi reputasi institusi dan efisiensi pemanfaatan sumber daya kampus. Untuk mengatasi fenomena tersebut, diperlukan sistem prediksi dini guna mengidentifikasi mahasiswa yang berisiko sejak awal perkuliahan. Penelitian ini bertujuan membandingkan kinerja dua algoritma machine learning, yaitu Random Forest dan XGBoost, sekaligus memetakan faktor utama penyebab dropout menggunakan pendekatan Explainable AI (XAI) melalui metode SHAP (SHapley Additive exPlanations). Studi ini menggunakan dataset sekunder dengan total 4.424 record data mahasiswa yang mencakup variabel demografi, sosial-ekonomi, makroekonomi, dan akademik. Proses eksperimen dan pemodelan dilakukan menggunakan lingkungan Google Colab. Hasil pengujian menunjukkan bahwa model Random Forest menghasilkan tingkat akurasi optimal yang lebih tinggi yaitu sebesar 77,40%, dibandingkan model XGBoost yang menghasilkan akurasi sebesar 76,05%. Melalui analisis interpretasi SHAP, penelitian ini menemukan bahwa jumlah mata kuliah yang lulus di semester dua (Curricular units 2nd sem (approved)) dan status kelancaran pembayaran biaya kuliah (Tuition fees up to date) merupakan faktor paling dominan yang memengaruhi keputusan prediksi. Hasil penelitian ini memberikan dasar empiris bagi pengelola perguruan tinggi untuk memprioritaskan kebijakan intervensi pada aspek akademik tahun kedua serta stabilitas finansial mahasiswa sebagai strategi menekan angka putus kuliah.
Implementasi Sistem Registrasi Wisuda Terintegrasi dengan Validasi Kehadiran Dual-Mode Berbasis QR Code Ari Widianto; Anis Shobikah; Norma Devi Kurniasari; Trian Basofi Rohman; Gaguk Triono
KERNEL: Jurnal Riset Inovasi Bidang Informatika dan Pendidikan Informatika Vol 6, No 2 (2025)
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.kernel.2025.v6i2.8423

Abstract

Penyelenggaraan wisuda sebagai seremoni akademik puncak menuntut manajemen presensi dan akses yang akurat, aman, dan efisien. Pada Institut Teknologi Insan Cendekia Mandiri (ITICM), pelaksanaan wisuda perdana pada November 2025 dengan jumlah tamu undangan sebanyak 96 orang menghadapi tantangan risiko antrean panjang, ketidakteraturan akses masuk area prosesi dan ramah tamah, serta potensi masuknya pihak yang tidak diundang yang dapat mengganggu kekhidmatan acara dan ketersediaan konsumsi. Penelitian ini bertujuan mengembangkan sistem registrasi wisuda berbasis web yang mampu menangani manajemen undangan dan validasi kehadiran secara real-time. Sistem dirancang menggunakan pendekatan Waterfall yang dimodifikasi dengan metode Rapid Application Development (RAD) berbasis framework Laravel dan  basis data MySQL. Inovasi utama adalah implementasi Quick Response (QR) Code dengan mekanisme Dual-Mode Scan, yaitu pemindaian terpisah untuk akses masuk ruang prosesi wisuda dan akses area ramah tamah (konsumsi). Evaluasi sistem dilakukan pada 96 partisipan, dengan batasan perangkat pemindai menggunakan kamera smartphone panitia. Sistem diuji dengan variasi koneksi jaringan (stabil, fluktuatif, dan lambat) menunjukkan, mampu memvalidasi kehadiran tamu dengan waktu rata-rata di bawah 3 detik per transaksi. Dashboard real-time mencatat tingkat kehadiran sebesar 95,8% (92 dari 96 undangan), yang dapat mengeliminasi kesalahan rekapitulasi manual dan mencegah tiket ganda. Implikasi penelitian ini menawarkan model efisiensi single-ticket multi-access yang dapat diadopsi untuk manajemen event akademik berskala lebih besar.