<![CDATA[Prestasi akademik mahasiswa yang diukur melalui Indeks Prestasi Kumulatif (IPK) merupakan salah Satu indikator utama keberhasilan proses pembelajaran di perguruan tinggi. Data akademik mahasiswa tersedia dalam jumlah besar namun belum dimanfaatkan secara optimal untuk menggali pola-pola tersembunyi yang mempengaruhi keberhasilan studi. Penelitian ini bertujuan untuk mengidentifikasi faktor- faktor dominan yang mempengaruhi capaian IPK mahasiswa serta membangun model prediksi risiko akademik menggunakan teknik Data Mining. Metode yang digunakan adalah Decision Tree (Pohon Keputusan) dengan algoritma Classification and Regression Trees (CART). Data penelitian dikumpulkan melalui kuesioner terhadap 50 responden mahasiswa Teknik Informatika dengan variabel yang mencakup faktor internal (motivasi, gaya belajar) dan eksternal (lingkungan, ekonomi). Proses analisis dilakukan dengan menghitung nilai Gini Impurity dan Gini Gain untuk menentukan atribut pemecah terbaik (splitting attribute). Hasil penelitian menunjukkan bahwa algoritma CART mampu mengklasifikasikan profil mahasiswa ke dalam kategori risiko akademik. Ditemukan bahwa faktor kesesuaian jurusan memiliki pengaruh signifikan dalam menentukan peluang mahasiswa memperoleh IPK di atas rata-rata, sementara faktor motivasi menunjukkan tingkat redundansi akibat variasi data yang rendah. Penelitian ini menyimpulkan bahwa metode CART efektif digunakan sebagai alat bantu pengambilan keputusan bagi institusi dalam merancang strategi bimbingan akademik yang lebih tepat sasaran.]]>
Copyrights © 2025
