<![CDATA[Lama studi mahasiswa menjadi indikator penting dalam menilai efektivitas sistem pendidikan di perguruan tinggi. Prediksi lama studi yang akurat dapat membantu institusi akademik dalam memberikan bimbingan yang lebih optimal kepada mahasiswa agar dapat menyelesaikan studinya tepat waktu. Penelitian ini mengembangkan sistem prediksi lama studi mahasiswa menggunakan pendekatan Case-Based Reasoning (CBR) dengan metode similarity measure berbobot. Sistem ini membandingkan kasus baru dengan kasus lama berdasarkan lima variabel utama, yaitu rata-rata IPK, jumlah SKS per semester, status cuti akademik, status pekerjaan, dan keaktifan organisasi. Hasil penelitian menunjukkan bahwa kasus lama nomor 16 memiliki tingkat kemiripan tertinggi dengan kasus baru, dengan nilai 0.778, yang menunjukkan bahwa metode yang digunakan mampu mengidentifikasi mahasiswa dengan karakteristik akademik dan non-akademik yang paling mirip. Faktor akademik, seperti IPK dan jumlah SKS, memiliki bobot yang lebih tinggi dalam menentukan lama studi dibandingkan faktor non-akademik. Kesimpulan dari penelitian ini menunjukkan bahwa pendekatan CBR dapat digunakan sebagai alat pendukung keputusan akademik dalam memprediksi lama studi mahasiswa secara lebih akurat. Implementasi sistem ini dapat dikembangkan lebih lanjut dengan mengintegrasikan teknik machine learning guna meningkatkan performa prediksi.]]>
Copyrights © 2025
