<![CDATA[Penelitian ini bertujuan untuk merancang sistem Business Intelligence (BI) yang mampu memprediksi risiko drop out mahasiswa berdasarkan data akademik historis. Sistem dikembangkan dengan pendekatan data-driven melalui tahapan extract, transform, dan load (ETL), kemudian dilakukan pemrosesan dan analisis menggunakan beberapa algoritma klasifikasi seperti Decision Tree, Random Forest, dan Logistic Regression. Model terbaik dievaluasi menggunakan metrik akurasi, presisi, dan recall. Implementasi dilakukan menggunakan framework Streamlit untuk menyajikan dashboard interaktif yang memvisualisasikan hasil analisis risiko dalam berbagai tampilan seperti Dashboard Analitik, Prediksi Individu, dan Analisis Mahasiswa. Hasil penelitian menunjukkan bahwa sistem BI yang dirancang mampu menampilkan informasi prediksi risiko secara real-time dan membantu pihak kampus dalam melakukan intervensi dini terhadap mahasiswa berisiko tinggi.]]>
Copyrights © 2025
