<![CDATA[Penurunan performa akademik mahasiswa sering kali terlambat dideteksi sehingga menghambat upaya intervensi dini oleh institusi pendidikan. Penelitian ini bertujuan untuk merancang dan mengevaluasi model prediksi performa akademik mahasiswa Program Studi Pendidikan Teknologi Informasi Universitas Brawijaya menggunakan algoritma Random Forest. Penelitian ini menggunakan metode CRISP-DM yang mencakup tahap business understanding, data understanding, data preparation, modelling, evaluation dan deployment. Data yang digunakan meliputi informasi demografis, nilai IPS per semester, riwayat prestasi, riwayat beasiswa, serta informasi akademik lainnya dari mahasiswa semester 1 hingga 5, dengan label performa akademik akhir berdasarkan IPK semester 6 dikategorikan menjadi “lebih rendah” (< 3,5) dan “lebih tinggi” (≥ 3,5). Hasil penelitian menunjukkan bahwa model Random Forest yang dioptimasi melalui hyperparameter tuning mampu mencapai akurasi tinggi yaitu 96% dan skor F1-Macro sebesar 0,95. Analisis feature importance menunjukkan bahwa rata-rata nilai mata kuliah wajib dan IPS semester empat memiliki pengaruh paling dominan terhadap prediksi performa akademik. Implementasi model dalam dashboard interaktif berbasis Streamlit memungkinkan pihak program studi melakukan prediksi performa mahasiswa secara real-time dan menampilkan analisis bidang keahlian serta kategori mata kuliah unggulan untuk setiap mahasiswa.]]>
Copyrights © 2026
