<![CDATA[Proses pembelajaran di perguruan tinggi memerlukan evaluasi mendalam untuk memastikan efektivitasnya. Penelitian ini bertujuan untuk memprediksi efektivitas belajar mahasiswa menggunakan pendekatan machine learning dengan algoritma Decision Tree. Data penelitian diperoleh dari kuesioner yang melibatkan 900 responden mahasiswa Universitas Duta Bangsa (UDB). Variabel yang dianalisis dalam penelitian ini meliputi semester, gender, metode belajar, durasi belajar, gangguan digital, lingkungan pendukung, tingkat pemahaman materi, dan efektivitas belajar sebagai variabel target. Tahapan penelitian meliputi studi literatur, pengumpulan data, preprocessing data, pembagian dataset menjadi data latih dan data uji, pembangunan model Decision Tree, evaluasi model menggunakan Confusion Matrix, Accuracy, Precision, Recall, F1-Score, ROC Curve, AUC-ROC, serta 5-fold Cross Validation, kemudian dilanjutkan dengan analisis feature importance. Hasil pengujian menunjukkan bahwa model Decision Tree mampu memprediksi efektivitas belajar dengan tingkat accuracy sebesar 83,33%, precision 94,87%, recall 82,22%, dan F1-Score sebesar 88,10%. Pengujian kurva karakteristik operasi penerima (Receiver Operating Characteristic) menghasilkan nilai AUC-ROC sebesar 0,8669, sementara validasi silang (5-fold cross-validation) memberikan rata-rata akurasi stabil di angka 81,89% ± 5,68%. Analisis kepentingan fitur menunjukkan bahwa metode belajar menjadi faktor yang paling dominan dalam menentukan efektivitas belajar mahasiswa. Penelitian ini membuktikan bahwa pendekatan berbasis data menggunakan Decision Tree dapat memberikan rekomendasi strategis bagi institusi pendidikan dalam mengoptimalkan sistem pembelajaran.]]>
Copyrights © 2026
