<![CDATA[Penelitian ini mengkaji penerapan Kecerdasan Buatan (Artificial Intelligence/AI), khususnya algoritma klasifikasi machine learning, guna memperkirakan capaian akademik mahasiswa di Universitas Asahan, Kisaran. Eksperimen komputasional kuantitatif dilaksanakan menggunakan rekam akademik 200 mahasiswa, mencakup indeks prestasi kumulatif (IPK), persentase kehadiran perkuliahan, nilai tugas, serta nilai ujian tengah semester. Tiga algoritma klasifikasi dikaji secara komparatif: Decision Tree, Naive Bayes, dan Support Vector Machine (SVM). Praproses data meliputi normalisasi Min-Max dan imputasi mean untuk nilai yang hilang, serta penerapan SMOTE guna mengatasi ketidakseimbangan kelas pada data latih. Hasil eksperimen menunjukkan SVM dengan kernel Radial Basis Function (RBF) menghasilkan akurasi prediksi tertinggi sebesar 89,5%, melampaui Decision Tree (84,0%) dan Naive Bayes (78,5%). Evaluasi Confusion Matrix mengonfirmasi keunggulan SVM dengan precision 0,91 dan recall 0,88. Analisis kepentingan fitur mengidentifikasi tingkat kehadiran dan nilai ujian tengah semester sebagai dua prediktor paling determinan. Temuan ini mengindikasikan bahwa sistem peringatan dini berbasis AI dapat diintegrasikan ke dalam sistem informasi akademik untuk mendukung intervensi tepat waktu bagi mahasiswa yang rentan secara akademik di Universitas Asahan.]]>
Copyrights © 2026
