<![CDATA[Penelitian ini bertujuan untuk mengembangkan model klasifikasi resiko drop out mahasiswa pada Institut Teknologi Alberth Foenay (ITAF) Kupang menggunakan algoritma Random Forest. Dataset yang digunakan terdiri dari 200 mahasiswa dengan beberapa variabel akademik seperti IPK, jumlah SKS, rata-rata nilai, kehadiran, mata kuliah ulang, durasi studi, dan jumlah mata kuliah tidak lulus. Tahap preprocessing dilakukan melalui pembersihan data, imputasi nilai hilang, standarisasi tipe data, serta penanganan ketidakseimbangan kelas. Model Random Forest kemudian dilatih menggunakan data training dan dievaluasi menggunakan data testing. Hasil evaluasi menunjukkan bahwa model mampu melakukan klasifikasi risiko drop out dengan performa sangat baik, dengan akurasi 91%, precision 83%, recall 78%, F1-Score 0.80, dan ROC-AUC 0.94. Analisis feature importance menunjukkan bahwa IPK, kehadiran, dan jumlah mata kuliah tidak lulus merupakan variabel yang paling berpengaruh dalam penentuan risiko. Secara keseluruhan, penelitian ini menunjukkan bahwa Random Forest efektif digunakan sebagai sistem peringatan dini untuk mengklasifikasikan mahasiswa berpotensi drop out sehingga dapat membantu institusi dalam melakukan intervensi akademik secara lebih tepat sasaran.]]>
Copyrights © 2026
