Implementasi Algoritma Random Forest untuk Prediksi Kelulusan Mahasiswa Berdasarkan Data Akademik: Studi Kasus di Perguruan Tinggi Indonesia

Tingkat kelulusan mahasiswa tepat waktu adalah ukuran penting untuk mengetahui seberapa efektif sistem pendidikan tinggi. Untuk memprediksi kelulusan siswa berdasarkan data akademik, penelitian ini menggunakan algoritma Random Forest. Penelitian ini menghasilkan model prediktif dengan menganalisis faktor seperti IPK, kehadiran, dan nilai mata kuliah inti dari dataset seribu catatan mahasiswa dari berbagai program studi. Metode pembelajaran mesin ini dipilih karena kemampuan untuk menangani data yang rumit dan membuat prediksi yang akurat. Hasil penelitian menunjukkan bahwa algoritma Hutan Random memiliki akurasi 87,5% dalam memprediksi status kelulusan siswa, serta presisi 86,3% dan recall 85,9 %. Tingkat kehadiran dan IPK adalah faktor paling penting dalam menentukan kelulusan tepat waktu, menurut analisis fitur penting. Model ini dapat membantu institusi pendidikan menemukan siswa yang berisiko tidak lulus tepat waktu, memungkinkan intervensi dini untuk meningkatkan tingkat kelulusan.