<![CDATA[Tingkat kelulusan tepat waktu mahasiswa tetap menjadi masalah serius di perguruan tinggi karenadapat mempengaruhi kualitas akreditasi program studi. Penelitian ini bertujuan untuk memprediksikelulusan mahasiswa menggunakan algoritma Random Forest berdasarkan data akademik, sehinggadapat mendukung program studi dalam mengidentifikasi mahasiswa berisiko dan menyususn strategipendampingan yang tepat. Data penelitian ini diperoleh dari 200 mahasiswa dengan variabel utamameliputi Indeks Prediksi Kumulatif (IPK), tingkat kehadiran, keaktifan organisasi, dan jam belajarharian. Tahapan penellitian mencakup pengumpulan data, pembersihan dara, analisis deskriptif,pemodelan menggunankan algoritma klasifikasi, serta evaluasi model dengan metrik akurasi,precision, dan recall. Hasil analisis menunjukkan bahwa IPK, kehadiran, jam belajar, dan keaktifanorganisasi memiliki pengaruh signifikan terhadap ketepatan waktu kelulusan. Mayoritas mahasiswa(78,5%) lulus tidak tepat waktu, sedangkan hanya 2% yang berhasil cumlaude. Model klasifikasiRandom Forest memberikan performa prediksi dengan akurasi 92%. Temuan ini menegaskanpentingnya peran faktor akademik dan manajemen belajar dalam mendukung mahasiswamenyelesaikan studi tepat waktu]]>
Copyrights © 2025
