<![CDATA[Prediksi kelulusan tepat waktu mahasiswa merupakan fokus penting dalam meningkatkan kualitas dan efektivitas pendidikan tinggi secara keseluruhan. Identifikasi secara akurat terhadap mahasiswa yang berisiko mengalami keterlambatan kelulusan memungkinkan institusi akademik untuk melakukan intervensi yang tepat dan tepat waktu guna membantu mahasiswa tetap berada pada jalur kelulusan. Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma decision tree yang banyak digunakan, yaitu ID3 dan C4.5, dalam memprediksi kelulusan tepat waktu berdasarkan sejumlah atribut akademik dan non-akademik yang relevan. Atribut-atribut tersebut mencakup Indeks Prestasi Kumulatif (IPK), jumlah Satuan Kredit Semester (SKS), lama studi, keaktifan dalam organisasi, dan tingkat kehadiran kuliah. Model prediksi dibangun menggunakan data historis akademik mahasiswa program sarjana dari salah satu universitas swasta di Indonesia. Proses evaluasi dilakukan dengan mengukur performa model melalui akurasi klasifikasi dan struktur pohon keputusan yang dihasilkan. Hasil menunjukkan bahwa algoritma C4.5 memiliki kinerja yang lebih baik dibandingkan ID3, baik dari segi akurasi prediksi maupun efisiensi model. Temuan ini menunjukkan potensi metode decision tree, khususnya C4.5, sebagai alat yang efektif dalam mendukung pengambilan keputusan akademik, deteksi risiko secara dini, dan perencanaan institusional. Pada akhirnya, penelitian ini memberikan kontribusi terhadap pengembangan sistem pemantauan mahasiswa yang kuat dan andal, guna menunjang manajemen pendidikan berbasis data serta meningkatkan tingkat kelulusan di perguruan tinggi Indonesia.]]>
Copyrights © 2025
