<![CDATA[Ketepatan waktu kelulusan merupakan indikator penting dalam evaluasi kinerja perguruan tinggi. Rendahnya tingkat kelulusan tepat waktu pada Fakultas Teknik di salah satu universitas di Gresik mendorong pengembangan mekanisme prediksi dini untuk mengidentifikasi mahasiswa berisiko terlambat lulus. Penelitian ini membangun model Early Warning System (EWS) menggunakan algoritma Random Forest berdasarkan data akademik 1.558 mahasiswa angkatan 2018 - 2021. Variabel yang digunakan meliputi IPS semester 1 - 4, IPK semester 4, dan status pekerjaan. Pengujian dilakukan dengan kombinasi K-Fold Cross Validation (5 dan 10) serta pembagian data 70:30, 80:20, dan 90:10. Model terbaik diperoleh pada skenario cv5_split70 dengan parameter n_estimators=50 dan max_depth=5, menghasilkan akurasi 77,56% dan F1-Score 0,7764. IPS semester 4 menjadi prediktor paling dominan. Hasil penelitian menunjukkan Random Forest efektif digunakan sebagai dasar pengembangan EWS untuk mendukung intervensi akademik yang lebih tepat sasaran. Kata Kunci: Early Warning System, Random Forest, Prediksi Kelulusan, Kinerja pendidikan tinggi,]]>
Copyrights © 2026
