<![CDATA[Tingginya angka putus kuliah (dropout) mahasiswa merupakan tantangan bagi institusi pendidikan tinggi karena berdampak pada kualitas perguruan tinggi dan masa depan akademik mahasiswa. Oleh karena itu, identifikasi dini terhadap mahasiswa yang berisiko penting untuk dilakukan. Penelitian ini menerapkan teknik data mining menggunakan algoritma Decision Tree untuk memprediksi potensi dropout mahasiswa berdasarkan rekam jejak akademik dan latar belakang demografis. Eksperimen dilakukan menggunakan dataset 'Predict Students' Dropout and Academic Success' dengan total 3.630 baris data valid dan 29 fitur prediktor. Proses pemodelan dilakukan dengan membagi dataset ke dalam proporsi 80% data latih dan 20% data uji. Hasil evaluasi menunjukkan bahwa model klasifikasi menghasilkan tingkat akurasi sebesar 88,57%, dengan nilai precision sebesar 88% dan recall sebesar 81% untuk kelas dropout. Analisis feature importance mengungkapkan bahwa fitur prediktor utama yang berkontribusi terhadap risiko dropout didominasi oleh tingkat kelulusan mata kuliah pada semester kedua, yang beriringan]]>
Copyrights © 2026
