<![CDATA[Drop out mahasiswa merupakan salah satu permasalahan yang dapat berdampak terhadap kualitas perguruan tinggi, terutama dalam pencapaian target kelulusan dan pengelolaan sumber daya akademik. Oleh karena itu, diperlukan suatu metode yang dapat membantu perguruan tinggi dalam mengidentifikasi mahasiswa yang memiliki risiko drop out sejak dini. Penelitian ini bertujuan untuk mengategorikan status akademik mahasiswa dalam rangka memprediksi kemungkinan drop out dengan menerapkan metode data mining menggunakan algoritma Decision Tree. Dataset yang digunakan diperoleh dari Kaggle dan terdiri atas 500 data mahasiswa dengan beberapa atribut, yaitu kehadiran, nilai tugas, aktivitas e-learning, Indeks Prestasi Kumulatif (IPK), dan status akademis. Proses penelitian dilakukan menggunakan aplikasi RapidMiner yang meliputi tahap data preprocessing, pembagian dataset menjadi data latih dan data uji, pembentukan model klasifikasi menggunakan algoritma Decision Tree, serta evaluasi kinerja model. Hasil penelitian menunjukkan bahwa model Decision Tree memperoleh tingkat akurasi sebesar 78,50%. Nilai tersebut menunjukkan bahwa model mampu mengklasifikasikan status akademik mahasiswa berdasarkan atribut yang digunakan dalam penelitian. Penerapan algoritma Decision Tree dapat memberikan informasi mengenai pola karakteristik mahasiswa yang berpotensi mengalami drop out. Dengan demikian, hasil klasifikasi dapat dimanfaatkan sebagai salah satu bahan pertimbangan bagi pihak perguruan tinggi dalam melakukan identifikasi dan pemantauan terhadap mahasiswa yang berisiko Drop out, sehingga tindakan pendampingan dan strategi akademik dapat dilakukan secara lebih terarah.]]>
Copyrights © 2026
