<![CDATA[Ketepatan waktu kelulusan mahasiswa merupakan indikator mutu krusial bagi perguruan tinggi, namun pemanfaatan data akademik untuk langkah preventif masih sangat terbatas. Selain itu, terdapat kesenjangan penelitian berupa kurangnya implementasi praktis model prediksi dalam bentuk antarmuka yang siap digunakan oleh manajemen institusi untuk intervensi harian. Penelitian ini bertujuan untuk mengembangkan Sistem Peringatan Dini Akademik proaktif melalui prediksi tingkat kelulusan mahasiswa menggunakan algoritma Random Forest (RF). Data sekunder yang digunakan mencakup 27 variabel prediktor yang mengintegrasikan fitur akademik dan demografi ke dalam klasifikasi status biner. Hasil pengujian menunjukkan performa model yang sangat efektif dengan pencapaian akurasi sebesar 94,44%, serta nilai presisi (0,97) dan recall (0,97) yang sangat andal. Sebagai kontribusi utama, model prediksi ini diimplementasikan ke dalam aplikasi web interaktif berbasis Streamlit untuk menjamin kegunaan praktis dan intuitif bagi pengambil kebijakan. Penelitian ini menyimpulkan bahwa penyediaan sistem peringatan dini yang terintegrasi secara praktis memungkinkan institusi melakukan intervensi personal secara real-time guna membantu mahasiswa menyelesaikan studi tepat waktu secara humanis.]]>
Copyrights © 2026
