<![CDATA[Penelitian ini bertujuan untuk mengklasifikasikan data mahasiswa guna memprediksi kelulusan di Universitas Islam Negeri Maulana Malik Ibrahim Malang, dengan fokus pada identifikasi faktor-faktor yang memengaruhi keberhasilan kelulusan dan potensi putus kuliah. Data penelitian mencakup atribut akademik seperti Indeks Prestasi Kumulatif (IPK) dan jalur masuk, yang digunakan untuk mengelompokkan mahasiswa ke dalam kategori lulus atau putus. Metode klasifikasi yang diterapkan adalah Decision Tree (DT) dan Support Vector Machine (SVM). Decision Tree bekerja dengan membangun model berbasis pohon keputusan berdasarkan atribut paling berpengaruh, sedangkan SVM menggunakan hyperplane optimal untuk membedakan kategori. Dataset mahasiswa angkatan 2018 dianalisis menggunakan Python dan library scikit-learn. Hasil menunjukkan bahwa Decision Tree mencapai akurasi sebesar 96,91%, sedikit lebih tinggi dibandingkan SVM yang mencapai 96,62%. Hasil ini mengindikasikan keunggulan Decision Tree dalam memprediksi kategori kelulusan. Penelitian ini berkontribusi pada pemanfaatan atribut akademik sebagai indikator utama dalam klasifikasi data kelulusan serta membandingkan efektivitas dua algoritma pada konteks pendidikan. Dengan temuan ini, universitas dapat mengembangkan strategi evaluasi dan perencanaan yang lebih baik untuk meningkatkan kelulusan mahasiswa, sekaligus memberikan dasar bagi pengembangan model prediksi yang lebih kompleks untuk institusi pendidikan lainnya.]]>
Copyrights © 2024
