<![CDATA[Penelitian ini membahas pemodelan klasifikasi status mahasiswa berdasarkan data akademik dengan menerapkan algoritma Decision Tree menggunakan RapidMiner. Data yang dianalisis meliputi variabel seperti indeks prestasi kumulatif (IPK), jumlah SKS, lama studi, dan faktor usia. Proses klasifikasi dilakukan melalui tahapan pra-pemrosesan data, pembangunan model, serta evaluasi menggunakan confusion matrix dan metrik akurasi. Hasil analisis menunjukkan bahwa model yang dibentuk mampu mengidentifikasi pola-pola yang memengaruhi kelulusan mahasiswa, dengan tingkat akurasi mencapai 66,67%. Pendekatan ini diharapkan dapat menjadi alat bantu strategis dalam mendukung pengambilan keputusan akademik berbasis data dan memperbaiki sistem pemantauan kelulusan di lingkungan perguruan tinggi. Kata Kunci: Klasifikasi, Decision tree, RapidMinner, Status Mahasiswa, Data Akademik This study focuses on modeling the classification of student graduation status using the Decision Tree algorithm implemented through RapidMiner. The academic data includes variables such as Grade Point Average (GPA), total credit hours, study duration, and age. The classification process involves data preprocessing, model building, and evaluation using a confusion matrix and accuracy metrics. The results indicate that the model effectively identifies patterns influencing student graduation outcomes, achieving an accuracy rate of 66.67%. This approach is expected to serve as a strategic tool to support data-driven academic decision-making and to improve student progress monitoring systems in higher education institutions. Keywords: classification, decision tree, RapidMiner, student status, academic data]]>
Copyrights © 2025
