<![CDATA[Penelitian ini bertujuan untuk menganalisis dan membandingkan berbagai algoritma yang digunakan dalam sistem pendukung keputusan (SPK) untuk memprediksi kelulusan mahasiswa. Studi ini dilakukan dengan merangkum 20 penelitian terdahulu yang membahas metode prediksi kelulusan menggunakan berbagai teknik machine learning, seperti Decision Tree (C4.5, C5.0), Random Forest, Naïve Bayes, Support Vector Machine (SVM), Artificial Neural Network (ANN), K-Nearest Neighbor (KNN), dan Logistic Regression. Setiap algoritma dievaluasi berdasarkan beberapa kriteria utama, yaitu tingkat akurasi prediksi, kompleksitas algoritma, dan indikator yang digunakan dalam penelitian sebelumnya, seperti indeks prestasi kumulatif (IPK), jumlah SKS, kehadiran, jenis kelamin, serta faktor sosial ekonomi. Hasil analisis menunjukkan bahwa Random Forest memiliki akurasi tertinggi (90-93.5%) dengan performa yang baik dalam menangani dataset besar. Artificial Neural Network (ANN) juga memberikan akurasi tinggi, tetapi memiliki kompleksitas yang lebih besar dibanding algoritma lainnya. Decision Tree (C4.5) menjadi salah satu algoritma yang sering digunakan karena kemudahan interpretasi dan efisiensi pemrosesan. Kesimpulan dari penelitian ini menunjukkan bahwa tidak ada algoritma tunggal yang selalu unggul dalam semua aspek, sehingga pemilihan algoritma harus disesuaikan dengan karakteristik dataset dan kebutuhan analisis. Kombinasi algoritma, seperti Random Forest dengan ANN, dapat menjadi solusi optimal untuk meningkatkan akurasi prediksi kelulusan mahasiswa.]]>
Copyrights © 2024
