Pemanfaatan Random Forest untuk Prediksi Ketepatan Waktu Kelulusan Mahasiswa Studi Kasus: Institut Desain dan Bisnis Bali

Gede Puspa, Muhammad Febrian Rachmadhan Amri, Made Prastha Nugraha

Abstract


Institut Desain dan Bisnis Bali, setiap tahun menghasilkan lulusan mahasiswa sesuai bidang yang ditempuhnya, dalam kurun waktu penyelesaian studi tepat waktu yaitu 4 (empat) tahun. Namun pada kurun waktu 3 (tiga) tahun terdapat penurunan jumlah presentase mahasiswa yang lulus . Hal ini tentu merupakan permasalah serius yang perlu ditindak lanjuti karena dapat berdampak pada nilai akreditasi perguruan tinggi. Belum diketahui penyebab pasti keterlambatan studi mahasiswa yang tidak lulus tepat waktu. Perlu adanya penggalian data yang masih tersembunyi serta pengolahan data sehingga menjadi pengetahuan dan informasi baru yang dapat dimanfaatkan untuk menindak lanjuti mahasiswa yang bermasalah pada tahun akademik berjalan. Penelitian ini bertujuan untuk memprediksi tingkat kelulusan mahasiswa tepat waktu dengan metode random forest untuk mengetahui metode yang lebih unggul dalam kasus tersebut. Dari penelitian ini yaitu sistem dapat memprediksi kelulusan mahasiswa tepat waktu dengan algoritma terbaik.


Keywords


Prediksi, Data Mining, Random Forest, Kelulusan Mahasiswa

References


M. A. Dr. Sri Rahmi, Manajemen Perguruan Tinggi. Prenada Media, 2024. [Daring]. Tersedia pada: https://books.google.co.id/books?id=alY0EQAAQBAJ

M. M. Prof. DR. H. A. Rusdiana dan M. P. Drs. Nasihudin, KESIAPAN MANAJEMEN AKREDITASI INSTITUSI PERGURUAN TINGGI: (Studi di PTKIS Wilayah II Jawa Barat dan Banten). PUSAT PENELITIAN DAN PENERBITAN UIN SGD BANDUNG, 2021. [Daring]. Tersedia pada: https://books.google.co.id/books?id=dExVEAAAQBAJ

S. Januar, Mutu Pendidikan: Implementasi Sistem Penjaminan Mutu Internal (SPMI) di Sekolah Binaan. Gunawana Lestari. [Daring]. Tersedia pada: https://books.google.co.id/books?id=HsldEAAAQBAJ

Y. Sun, M. S. Kamel, A. K. C. Wong, dan Y. Wang, “Cost-sensitive boosting for classification of imbalanced data,” Pattern Recognit, vol. 40, no. 12, hlm. 3358–3378, 2007, doi: https://doi.org/10.1016/j.patcog.2007.04.009.

B. Machado, T. Rodrigues, Z. Lopes, R. Lopes, dan M. Mesquita, “Paraparesis: A rare presentation of thrombosis of the abdominal aorta,” Eur J Intern Med, vol. 24, hlm. e256, Okt 2013, doi: 10.1016/j.ejim.2013.08.659.

S. R. I Made, H. Manurung, M. F. Rachmadhan Amri, G. S. Mahendra, dan I. P. Indrawan Yoga, “Student Perceptions of the Implementation of Big Data in Sinergy as Learning Optimization at the Bali Institute of Design and Business,” International Journal of Engineering, Science & InformationTechnology (IJESTY), vol. 4, no. 1, hlm. 44–47, 2024, doi: 10.52088/ijesty.v4i1.611.

M. H. Bin Roslan dan C. J. Chen, “Educational Data Mining for Student Performance Prediction: A Systematic Literature Review (2015-2021),” International Journal of Emerging Technologies in Learning (iJET), vol. 17, no. 05, hlm. 147–179, Mar 2022, doi: 10.3991/ijet.v17i05.27685.

L. Zahrotun, Implementation of data mining technique for customer relationship management (CRM) on online shop tokodiapers.com with fuzzy c-means clustering. 2017. doi: 10.1109/ICITISEE.2017.8285515.

J. N. Purwaningsih dan Y. Suwarno, “Predicting students achievement based on motivation in vocational school using data mining approach,” 2016 4th International Conference on Information and Communication Technology (ICoICT), hlm. 1–5, 2016, [Daring]. Tersedia pada: https://api.semanticscholar.org/CorpusID:16409601

M. F. Rachmadhan Amri, M. H. Umam, A. Wibowo, dan I. M. S. Ramayu, “Internet Service Provider User Customer Lifetime Segmentation Analysis using RFM and K-Means Algorithm,” Sinkron : jurnal dan penelitian teknik informatika, vol. 8, no. 1, hlm. 306–316, Jan 2024, doi: 10.33395/sinkron.v9i1.13024.

S. R. Fernanda dan P. D. Mardika, “Implemetasi Data Mining untuk Mendiagnosa Penyakit Jantung dengan Algoritma Naïve Bayes,” dalam Seminar Nasional Riset dan Inovasi Teknologi (SEMNAS RISTEK), 2025, hlm. 114–118.

A. Rossi, T. Lestari, R. Setya Perdana, dan M. A. Fauzi, “Analisis Sentimen Tentang Opini Pilkada Dki 2017 Pada Dokumen Twitter Berbahasa Indonesia Menggunakan Naïve Bayes dan Pembobotan Emoji,” vol. 1, no. 12, hlm. 1718–1724, 2017, [Daring]. Tersedia pada: http://j-ptiik.ub.ac.id

K. Parmar, D. Vaghela, dan P. Sharma, “Performance prediction of students using distributed Data mining,” dalam 2015 International Conference on Innovations in Information, Embedded and Communication Systems (ICIIECS), 2015, hlm. 1–5. doi: 10.1109/ICIIECS.2015.7192899.

C. Chotimah, “Penerapan Metode Mutual Information Dan Bayes Network Untuk Klasifikasi Penyelesaian Studi,” MJRICT : Musamus Journal Of Research Information and Communication Technology, vol. 2, no. 1, hlm. 26–34, 2019, [Daring]. Tersedia pada: https://ejournal.unmus.ac.id/index.php/mjrict

A. Desiani, S. Yahdin, dan D. Rodiah, “Prediksi Tingkat Indeks Prestasi Kumulatif Akademik Mahasiswa dengan Menggunakan Teknik Data Mining Prediction Of Grade Point Average Student Level Using Data Mining Technique,” vol. 7, no. 6, hlm. 1237–1244, 2020, doi: 10.25126/jtiik.202072493.




DOI: http://dx.doi.org/10.26798/jiko.v9i2.1886

Article Metrics

Abstract view : 0 times
PDF (Bahasa Indonesia) - 0 times

Refbacks

  • There are currently no refbacks.


Bookmark and Share


Copyright (c) 2025 Muhammad Febrian Rachmadhan Amri

JIKO (Jurnal Informatika dan Komputer)

Published by
Lembaga Penelitian dan Pengabdian Masyarakat
Universitas Teknologi Digital Indonesia (d.h STMIK AKAKOM)

Jl. Raya Janti (Majapahit) No. 143 Yogyakarta, 55198
Telp. (0274)486664

Website : https://www.utdi.ac.id/

e-ISSN : 2477-3964 
p-ISSN : 2477-4413

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.