Perbandingan Klasifikasi DT, RF, GB dan SVM Dalam Implementasi CRISP-DM Terhadap Kelulusan Mata Kuliah

Shedriko Shedriko (Universitas Indraprasta PGRI)
Muhammad Firdaus (Universitas Indraprasta PGRI)

REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer
Vol. 10 No. 1 (2026): Volume 10 Nomor 1 Januari 2026

Penelitian dilakukan terhadap kelulusan mahasiswa pada mata kuliah PTI di Universitas XYZ. Dengan membandingkan 4 jenis klasifikasi, yaitu Decision Tree (DT), Random Forest (RT), Gradient Boosting (GB) dan Support Vector Machine (SVM), merupakan penelitian lanjutan yang dilakukan penulis untuk memperoleh gambaran mengenai jenis klasifikasi terbaik dalam memprediksi kelulusan mahasiswa pada suatu mata kuliah. Tujuan penelitian ini adalah mendapatkan metoda klasifikasi terbaik dari 4 jenis klasifikasi tersebut. Hasilnya menunjukkan bahwa SVM masih memberikan nilai yang terbaik untuk tingkat akurasi, serta untuk beberapa parameter penilaian lainnya, kecuali precision yang didominasi oleh GB.