<![CDATA[Fase transisi dari dunia perkuliahan menuju dunia profesional seringkali memicu quarter life crisis pada mahasiswa tingkat akhir akibat tingginya tekanan akademik, sosial, dan ketidakpastian karir. Penelitian ini bertujuan membangun model klasifikasi tingkat quarter life crisis mahasiswa serta menganalisis efektivitas algoritma C4.5 yang dioptimalkan dengan teknik Reduced Error Pruning (REP) untuk mengatasi overfitting dan menyederhanakan struktur pohon keputusan. Data dikumpulkan dari 952 responden mahasiswa aktif melalui kuesioner yang mencakup variabel demografis dan psikologis, kemudian diproses melalui tahap persiapan data, pembentukan model dengan rasio pembagian data 70:15:15, dan evaluasi menggunakan confusion matrix. Atribut kesiapan karir, kejelasan karir, dan reaksi terhadap tekanan kerja teridentifikasi sebagai prediktor paling dominan berdasarkan nilai gain ratio tertinggi. Penerapan REP meningkatkan akurasi model dari 82,3% menjadi 87,4% dan menyederhanakan pohon dari 14 menjadi 10 simpul keputusan, sehingga aturan klasifikasi lebih mudah dibaca oleh praktisi konseling. Kebaruan penelitian ini terletak pada integrasi REP ke dalam algoritma C4.5 untuk data kuesioner psikologis mahasiswa Indonesia. Model yang dihasilkan terbukti efektif memberikan rekomendasi objektif bagi unit layanan konseling kampus dalam deteksi dini masalah psikologis mahasiswa.]]>
Copyrights © 2026
