Claim Missing Document
Check
Articles

Found 31 Documents
Search

Optimasi Hyperparameter XGBoost Berbasis Bayesian Optimization dan SHAP untuk Prediksi Dropout Mahasiswa Perguruan Tinggi Herwis Gultom; Ahmad Fauzi; Ria Ester
JURIKOM (Jurnal Riset Komputer) Vol. 13 No. 4 (2026): Agustus 2026
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v13i4.10055

Abstract

Putus studi (dropout) mahasiswa merupakan masalah pendidikan tinggi yang merugikan secara finansial dan sosial, terutama karena proporsi kelas dropout yang tidak seimbang serta minimnya model prediksi yang transparan dan teruji stabil. Penelitian ini menerapkan algoritma Extreme Gradient Boosting (XGBoost) yang hyperparameter-nya dioptimasi melalui Bayesian Optimization berbasis Gaussian Process sebanyak 50 iterasi, dilengkapi ambang keputusan berbasis skor F2, yaitu metrik yang memberi bobot lebih besar pada recall dibandingkan precision, untuk mengatasi ketidakseimbangan kelas, serta interpretasi Shapley Additive exPlanations (SHAP) guna menjelaskan kontribusi tiap fitur terhadap prediksi model. Penelitian ini bertujuan mengembangkan kerangka kerja prediksi dropout yang akurat, transparan, dan tervalidasi secara statistik pada dataset 4.424 mahasiswa dengan 34 atribut akademik, demografis, dan sosioekonomi. Hasil sementara menunjukkan bahwa model XGBoost teroptimasi mencapai luas area di bawah kurva Receiver Operating Characteristic (ROC-AUC) sebesar 0,930 dan luas area di bawah kurva presisi-recall (PR-AUC) sebesar 0,904 pada data uji, dengan recall 90,49% pada ambang F2 optimal sebesar 0,2251. Validasi tambahan melalui nested cross-validation menghasilkan ROC-AUC rata-rata 0,924, yang mengonfirmasi stabilitas performa model. Interpretasi SHAP mengungkapkan bahwa jumlah mata kuliah yang lulus pada semester kedua merupakan prediktor paling dominan terhadap risiko dropout. Temuan ini menegaskan bahwa integrasi optimasi hyperparameter dan explainable AI mampu menghasilkan model prediksi dropout yang andal dan akuntabel bagi kebijakan intervensi akademik dini.
Co-Authors Ade Tri Fauzan Adi Febrianto, Adi Agam Multazam Ahmad Afgani Ahmad Fahmi Abdillah Ahmad Fauzi Ahmad Fauzi Aidil Amal Akhiles Salvadore Seina Huler Alim, Chanra Alma Ashofi Alvino Octaviano Andika Fadhilah Anis Mirza Anisa Choirunisya Arkan Abdila Barts Arsil Mujayanah Arya Wicaksono Bilqis, Salsa Sayida Chandra Alim Chandra Alim Daffa Arifta Eryana Daffa Prananda Putra Dava Irba Nusantara Debi Kurnia Deby Ardiansyah Dede Eko Saputro Devi Pratiwi Dimas Indra Jaya Dwiky Darmawan Eldrick Rifaldo Esa Andyarizky Fajri Pramana Putra Faruq Syaifullah Fauzi Ahmad Muda Fiki Maipron Filius Deivivi Haikal Wisnu Fazrian Hedwin Winata Halawa Hendrawan Wibowo Herdiyanto, Oki Ilham Nastiar Indah Lasmini Indra Dwi Aryadi Indra Kristianto Isnanto, Muhamad Hari Jaka Oktavian Khoirul Umam Kresna Surya Herlambang Lingga Safitri Maya Komariah Mogot, Putri Intan Muhamad Alifan Farrizqy Muhamad Donny Alimbara Muhamad Fatir Fahreji Muhamad Hafiz Putra Pratama Muhammad Agil Syahdan Muhammad Arifin Ilham Muhammad Bayu Prasetyo Wibowo Muhammad Fadhil Fathoni Muhammad Fatih Iqbal Muhammad Ilham Baehaqi Muharik, Ricky Narendra Umaro Raisya Naufal Nur Dzaky Ningsih, Purnamawati Pradipa Al-Wafi Putra Prastyo Prayoga Pratama Purnama Djati, Widya Putra Aslam Rasyid Rachmat Triyadi Rahel Azzahra Rahmat Hidayat Ramadhan, Irgi Fahreza Ramadhani, Rido Rendy Ferdiansyah Revina Akbar Ria Ester Rico Ronaldo Rifqi Khumaidi Riki Firmansyah Rio Adriana Rivai Syukur Ramadhan Rona Nurheni Nadapdap Ruslan Wanandi Ryu Kurnianto Putra Sakha, Ghirrid Rakha Ghaly Salsabila, Shifany Setyawan Dwi Prakoso Stephen Alfredo Gultom Sultan Akbar Al Mawar Tamalia Herman, Sandi Tira Tsalatsatus Sa’adah Vanessa Aprillia Diaz Vebronia Bikolo Vivi Veronica Wahyu Ramadhan Yuda Samudra Zalfa Alykha Puspita