Prediksi Kelulusan Mahasiswa Menggunakan Algoritma Decision Tree

Alvian Setiono, Stefanus
Purwanto, Eko

Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025

Tujuan dari penelitian ini adalah merancang sebuah model prediksi kelulusan mahasiswa menggunakan algoritma Decision Tree (C4.5) untuk mengidentifikasi secara dini mahasiswa yang berisiko mengalami keterlambatan studi. Metode yang digunakan adalah teknik klasifikasi data mining terhadap data sekunder mahasiswa Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta angkatan 2021-2024. Analisis dilakukan terhadap empat atribut kunci, yaitu Indeks Prestasi Kumulatif (IPK), jumlah SKS, persentase kehadiran, dan semester aktif. Model yang dibangun kemudian dievaluasi kinerjanya menggunakan metode 10-Fold Cross-Validation. Hasil penelitian menunjukkan model prediksi yang dibangun mampu mencapai tingkat akurasi 80% pada data uji. Atribut Kehadiran teridentifikasi sebagai faktor prediktor paling signifikan, diikuti oleh IPK dan progres perolehan SKS. Model ini berhasil diimplementasikan menjadi sebuah aplikasi web interaktif yang berfungsi sebagai sistem peringatan dini (early warning system) untuk mendukung intervensi akademik yang lebih cepat dan efektif.