<![CDATA[Pendidikan adalah proses mencari ilmu pengetahuan yang didapatkan dalam proses belajar mengajar selama masa pendidikan yang ditempuh. Tingginya tingkat keberhasilan mahasiswa dan rendahnya tingkat kegagalan mahasiswa merupakan cermin kualitas dari suatu perguruan tinggi. Banyaknya jumlah mahasiswa yang gagal dalam menyelesaikan pendidikan dapat berpengaruh terhadap nilai dari perguruan tinggi tersebut sehingga perlu dilakukan pencegahan sedini mungkin dengan melakukan prediksi terhadap mahasiswa yang berpotensi Drop out. Salah satu cara yang dapat digunakan adalah dengan menggunakan metode data mining klasifikasi. Metode yang digunakan pada penelitian ini adalah Knowlede Discovery in Database (KDD), proses pengolahan datanya menggunakan algortima id3 aplikasi yang digunakan adalah Orange. Jumlah data yang digunakan pada penelitian ini sebanyak 476 mahasiswa Sekolah Tinggi Teknologi Wastukancana Purwakarta angkatan tahun 2013 dan 577 mahasiswa angkatan 2017 sebagai bahan untuk melakukan prediksi dengan atribut yang dinilai adalah nilai IPS semester 1-4 dan Total SKS. Hasil perhitungan dievaluasi akurasinya dengan menggunakan confusion matrix. Penelitian ini menghasilkan decision tree yang digunakan untuk menentukan mahasiswa yang berpotensi Drop out dengan node akar adalah IPS4. Jumlah actual Drop out, predicted Drop out sebanyak 150 data, Jumlah actual Drop out, predicted Tidak sebanyak 55 data, Jumlah actual Tidak, predicted Drop out sebanyak 24 data, dan Jumlah actual Tidak, predicted Tidak sebanyak 238 data. Nilai akurasi perhitungannya sebesar 83,1%, presisi 86,2% dan recall 73,2%.]]>
Copyrights © 2021
