Khaerunnisa.S
Teknik Informatika, Universitas Dipa Makassar

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

Found 1 Documents
Search

Implementasi Hybrid Machine Learning (Random Forest dan XGBoost) Untuk Prediksi Kinerja Akademik Mahasiswa Universitas Dipa Makassar Khaerunnisa.S; Fitriah Nabila Putri Tamar; Indra Samsie; Andi Irmayana
Dipanegara Komputer Teknologi Informatika Vol. 18 No. 1 (2026): Jurnal Dipanegara Komputer Teknik Informatika (DIPAKOMTI)
Publisher : Universitas Dipa Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36774/dipakomti.v18i1.2297

Abstract

Penelitian ini bertujuan mengklasifikasikan kinerja akademik mahasiswa menggunakan pendekatan hybrid machine learning berbasis stacking ensemble. Dataset terdiri dari data akademik mahasiswa angkatan 2023 Universitas Dipa Makassar berupa total SKS lulus selama tiga semester (SKSL) sebagai variabel input, dengan label kinerja akademik dibentuk berdasarkan IPK yang dikategorikan menjadi Tidak Baik (IPK < 2.00), Baik (IPK 2.00–2.99), dan Sangat Baik (IPK 3.00–4.00). Model hybrid mengombinasikan Random Forest dan XGBoost sebagai base learners, serta Logistic Regression sebagai meta-learner. Tahapan penelitian meliputi preprocessing data, pembagian data stratified split 80:20, hyperparameter tuning, dan pengujian 5-fold cross-validation. Hasil menunjukkan model hybrid stacking ensemble mencapai akurasi 91%, precision 90%, recall 86%, dan F1-score 88%. Model Random Forest dan XGBoost masing-masing mencapai akurasi 92%, precision 91%, recall 87%, dan F1-score 89%. Pendekatan hybrid machine learning dengan stacking ensemble efektif mendukung evaluasi kinerja akademik mahasiswa berbasis data dan dapat digunakan untuk deteksi dini mahasiswa berisiko.