Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal Computer Science and Applied Technology
Heru Saputro
Program Studi Sistem Informasi Universitas Islam Nahdlatul Ulama Jepara

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

Found 1 Documents
Search

 1 
Principal Component Analysis pada Random Forest untuk Deteksi Dini Dropout Mahasiswa Rully Ghozali; Kevin Ramadhan Oktaviano; Anando Ferdi Setiawan; Muhammad Rio Ramadani; Heru Saputro
Journal Computer Science and Applied Technology Vol. 4 No. 2 (2026): J-CSAT Agusutus
Publisher : PT. Cahaya Pena Tech

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.67401/j-csat.v4i2.36

Abstract

Penelitian ini menguji pengaruh Principal Component Analysis (PCA) terhadap performa Random Forest dalam deteksi dini risiko dropout mahasiswa. Dua skema dibandingkan, yaitu Random Forest tanpa PCA dan dengan PCA, menggunakan Orange Data Mining (Orange3) pada dataset Kaggle Predict Students' Dropout and Academic Success (4.424 data, 35 atribut, tiga kelas target). PCA diterapkan dengan dua komponen utama (explained variance 26%). Kelas Dropout dievaluasi menggunakan validasi silang 10-lipat bertingkat dengan metrik AUC, Akurasi, F1, Presisi, Recall, dan MCC. Random Forest tanpa PCA memperoleh performa lebih tinggi pada seluruh metrik (AUC 0,905; Accuracy 0,856; F1 0,771; Precision 0,790; Recall 0,754; MCC 0,667) dibandingkan Random Forest dengan PCA (AUC 0,834; Accuracy 0,800; F1 0,676; Precision 0,704; Recall 0,650; MCC 0,533), yang diduga disebabkan oleh rendahnya variansi kumulatif yang dipertahankan.
Co-Authors Anando Ferdi Setiawan Kevin Ramadhan Oktaviano Muhammad Rio Ramadani Rully Ghozali