PREDIKSI KELULUSAN MAHASISWA DENGAN MENGGUNAKAN ALGORITMA DECISION TREE

Penelitian ini dilatarbelakangi oleh kebutuhan akan pengelolaan data akademik yang semakin kompleks di Universitas Teknologi Digital yang seiring dengan meningkatnya volume data akademik. Permasalahan yang diangkat adalah belum adanya sistem prediksi kelulusan mahasiswa yang dapat membantu pihak universitas dalam mengantisipasi mahasiswa yang berisiko tidak lulus tepat waktu. Tujuan penelitian ini adalah untuk membangun model prediksi kelulusan mahasiswa berbasis algoritma Decision Tree yang dapat digunakan sebagai alat bantu pengambilan keputusan. Metode yang digunakan meliputi pengumpulan data akademik mahasiswa, pra-pemrosesan data menggunakan perangkat lunak RapidMiner, pembuatan model prediksi dengan algoritma Decision Tree, serta evaluasi model melalui confusion matrix untuk mengukur akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa model Decision Tree yang dibangun memiliki akurasi prediksi sekitar 89–90%, dengan variabel utama yang memengaruhi kelulusan adalah IPS semester 2, IPS semester 3, dan status mahasiswa (bekerja atau tidak bekerja) dari 161 data yang diambil dari mahasiswa tahun 2020 dan 2021 di Universitas. Model ini diharapkan dapat mendukung pengambilan keputusan berbasis data di lingkungan pendidikan tinggi