Meningkatkan Prestasi Akademik Mahasiswa Teknik Informatika UNSRAT Melalui Optimasi Pembelajaran dengan Random Forest

Yefta Yosia Asyel
Rafby Saputra Mokodompit
Jourgent Ligouw
Ade Yusupa

"JAMASTIKA" Jurnal Mahasiswa Teknik Informatika
Vol. 4 No. 1 (2025): Jurnal Jamastika, Volume 4 Nomor 1 April 2025

Prestasi akademik mahasiswa merupakan indikator penting dalam evaluasi kualitas pendidikan. Penelitian ini bertujuan untuk meningkatkan prestasi akademik mahasiswa Teknik Informatika UNSRAT melalui implementasi algoritma Random Forest guna menyusun strategi pembelajaran yang lebih optimal. Data dikumpulkan melalui kuesioner yang mencakup faktor internal dan eksternal mahasiswa, kemudian dianalisis menggunakan pendekatan data mining. Algoritma Random Forest digunakan untuk mengelompokkan pola data dan mengidentifikasi variabel-variabel yang paling berpengaruh terhadap prestasi akademik. Hasil penelitian menunjukkan bahwa beberapa faktor seperti manajemen waktu, kehadiran, dan motivasi belajar memiliki kontribusi signifikan terhadap indeks prestasi mahasiswa. Model yang dikembangkan mampu memberikan insight strategis bagi pengambil kebijakan pendidikan dalam merancang sistem pembelajaran yang lebih adaptif dan tepat sasaran. Penelitian ini diharapkan mendukung program akademik kampus dalam meningkatkan kualitas lulusan di bidang teknologi informasi. Kata Kunci: Prestasi Akademik, Random Forest, Strategi Pembelajaran, Data Mining, Pendidikan Tinggi Student academic achievement is a key indicator in evaluating the quality of education. This study aims to improve the academic performance of Informatics Engineering students at UNSRAT through the implementation of the Random Forest algorithm to develop more optimal learning strategies. Data were collected through questionnaires covering internal and external student factors, then analyzed using a data mining approach. The Random Forest algorithm was applied to classify data patterns and identify the most influential variables affecting academic performance. The results show that factors such as time management, attendance, and learning motivation significantly contribute to students’ grade point averages. The developed model provides strategic insights for educational decision-makers in designing more adaptive and targeted learning systems. The research are expected to support academic programs on campus in enhancing the quality of graduates in the field of information technology. Keywords: Academic Achievement, Random Forest, Learning Strategy, Data Mining, Higher Education