<![CDATA[Peningkatan kualitas pendidikan dan hasil belajarmenjadi tujuan utama sistem pendidikan, termasuk mengetahuiperforma akademik mahasiswa sejak dini. Jalur seleksi masukperguruan tinggi terbukti berpengaruh terhadap perbedaanprestasi belajar dan dapat dijadikan faktor dalam memantauperforma akademik mahasiswa. Penelitian ini menggunakanalgoritma Decision Tree untuk memprediksi performamahasiswa Prodi S1 Sistem Informasi Universitas Telkomberdasarkan data histori akademik angkatan 2017-2019 yangdikumpulkan melalui sistem informasi akademik resmi, yaituiGRACIAS. Proses pengolahan data mencakup tahap datapreparation, training, dan testing dengan penangananketidakseimbangan data menggunakan Synthetic MinorityOversampling Technique (SMOTE). Evaluasi performansimodel dilakukan menggunakan confusion matrix untukmengukur akurasi, presisi, recall, dan f1-score. Dariperhitungan confusion matrix, hasil penelitian menunjukkanbahwa baik model dengan maupun tanpa penanganan SMOTEmenghasilkan akurasi 66%, namun terdapat perbedaan padahasil metrik di kelas "Memuaskan", yaitu recall yangmeningkat dari 50% menjadi 67%. Selain itu, evaluasimenggunakan k-fold cross validation menunjukkan perbedaanyang signifikan, dengan akurasi sebelum menggunakanSMOTE sebesar 66%, sementara setelah menggunakanSMOTE, akurasi meningkat menjadi 84%. Penelitian ini jugamelakukan deployment dengan membangun sistem inputsederhana menggunakan Streamlit untuk memudahkanpengguna dalam memprediksi performa akademik mahasiswa.Penelitian ini memberikan kontribusi dalam mendukungpengambilan keputusan akademik untuk meningkatkanpemahaman terhadap performa mahasiswa. Kata kunci— Performa Akademik, Decision Tree, DataMining]]>
Copyrights © 2025
