<![CDATA[Prediksi kelulusan mahasiswa merupakan salah satu tantangan penting dalam dunia pendidikan, terutama untuk memahami faktor-faktor yang memengaruhi kesuksesan akademik. Penelitian ini bertujuan untuk memprediksi kelulusan mahasiswa berdasarkan data akademik menggunakan algoritma Decision Tree. Dataset yang digunakan mencakup informasi akademik mahasiswa, seperti nilai, kehadiran, dan partisipasi dalam kegiatan ekstrakurikuler, yang diperoleh dari platform Kaggle. Proses analisis dilakukan menggunakan RapidMiner, yang meliputi tahap preprocessing data, pembangunan model klasifikasi, dan evaluasi model. Hasil penelitian menunjukkan bahwa algoritma Decision Tree memberikan performa akurasi yang tinggi dalam memprediksi kelulusan mahasiswa, dengan nilai akurasi sebesar XX%. Visualisasi Decision Tree juga memberikan wawasan tentang atribut yang paling berpengaruh terhadap kelulusan, seperti kehadiran dan nilai akhir. Selain itu, penelitian ini mengidentifikasi kelebihan algoritma Decision Tree, yaitu kemampuannya memberikan interpretasi yang mudah dipahami. Namun, kekurangannya adalah kerentanannya terhadap overfitting jika data tidak diolah dengan baik. Dengan hasil ini, penelitian dapat memberikan kontribusi dalam membantu institusi pendidikan untuk memahami pola dan faktor utama yang memengaruhi kelulusan mahasiswa.]]>
Copyrights © 2025
