Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Indonesian Journal of Multidisciplinary on Social and Technology
Erik Perdana Ibrahim
Sekolah Tinggi Teknologi Informatika Sony Sugema
Computer Science & IT Economics, Econometrics & Finance Engineering Social Sciences

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Implementasi Data Mining Untuk Klasifikasi Masa Studi Mahasiswa Menggunakan Metode Decision Tree Cart Pada Stti Sony Sugema Arisman Ismail; Muhamad Rizki; Ridwan Efendi Rai; Sabaruddin Sabaruddin; Enen Nurbaeti; Ary Gunawan; Erik Perdana Ibrahim
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 4 No. 3 (2026): Juli - Oktober
Publisher : PT Ilmu Data Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v4i3.12433

Abstract

Prediksi masa studi mahasiswa merupakan salah satu permasalahan klasifikasi yang dapat diselesaikan menggunakan teknik data mining. Kemampuan memprediksi potensi keterlambatan kelulusan sejak dini dapat membantu perguruan tinggi dalam menyusun strategi pembinaan akademik yang lebih efektif berbasis data. Penelitian ini bertujuan membangun model prediksi masa studi mahasiswa menggunakan algoritma Classification and Regression Tree (CART) berdasarkan data akademik dan non-akademik mahasiswa Program Studi Teknik Informatika Sekolah Tinggi Teknologi Informatika (STTI) Sony Sugema. Dataset yang digunakan merupakan data mahasiswa yang telah menyelesaikan studi, dengan atribut seperti indeks prestasi akademik, status pekerjaan, lokasi tempat tinggal, serta karakteristik lain yang berpengaruh terhadap masa studi. Tahapan penelitian meliputi proses data preprocessing, pemilihan atribut, pembentukan model klasifikasi menggunakan algoritma CART, serta evaluasi performa model menggunakan metrik accuracy, precision, recall, dan F1-score. Model prediksi kemudian diimplementasikan dalam aplikasi berbasis web menggunakan bahasa pemrograman Python dengan framework Flask sebagai media pengujian dan pemanfaatan hasil prediksi. Hasil evaluasi menunjukkan bahwa model CART mampu menghasilkan akurasi sebesar 90,14%, precision sebesar 95,96%, recall sebesar 92,96%, dan F1-score sebesar 94,42%. Nilai tersebut menunjukkan bahwa algoritma CART memiliki kemampuan yang baik dalam mengklasifikasikan masa studi mahasiswa. Sistem yang dikembangkan diharapkan dapat mendukung pengambilan keputusan akademik melalui identifikasi dini mahasiswa yang berpotensi mengalami keterlambatan kelulusan sehingga upaya pendampingan dapat dilakukan secara lebih tepat sasaran.
Co-Authors Arisman Ismail Ary Gunawan Enen Nurbaeti Muhamad Rizki Ridwan Efendi Rai Sabaruddin Sabaruddin