Prediksi Kelulusan Tepat Waktu Mahasiswa Menggunakan Artificial Neural Network Berdasarkan Nilai Akademik Dan Kepuasan Penggunaan E-Learning (Studi Kasus: Universitas Negeri Surabaya)

Rizky Pratama Syahrul Ramadhan
I Kadek Dwi Nuryana

Journal of Informatics and Computer Science (JINACS)
Article In Press

Abstrak— Salah satu elemen utama yang mempengaruhi mutu pendidikan tinggi adalah tingkat kelulusan mahasiswa tepat waktu. Melalui algoritma Jaringan Syaraf Tiruan (ANN), studi ini berfokus untuk menciptakan model yang mampu memprediksi kelulusan mahasiswa dalam waktu yang sesuai pada program Sistem Informasi dan Ilmu Komputer di Universitas Negeri Surabaya. Prediksi didasarkan pada kombinasi data nilai akademik (IPK semester 1-4) dan kepuasan penggunaan e-learning yang diukur menggunakan metode End User Computing Satisfaction (EUCS). EUCS atas lima aspek: content, accuracy, format, ease of use, dan timeliness. Informasi yang dipakai dalam penelitian ini berasal dari 68 siswa angkatan 2018–2022. Untuk menangani keterbatasan jumlah data, pengembangan model melibatkan pengoptimalan hyperparameter menggunakan Optuna dan evaluasi menggunakan Stratified 5-Fold Cross-Validation. Hasil pengujian menunjukkan bahwa model ANN yang dikembangkan sangat akurat, dengan akurasi rata-rata 95,38%, ketepatan 93,33%, recall 96,00%, dan skor F1 94,55%. Hasil ini menunjukkan bahwa integrasi data akademik dan kepuasan pengguna terhadap teknologi pembelajaran dapat menjadi dasar strategi intervensi yang efektif bagi institusi pendidikan.   Kata Kunci— Artificial Neural Network, EUCS, Kelulusan Tepat Waktu, E-learning, Data Mining.