PENERAPAN DATA MINING UNTUK MEMPREDIKSI MAHASISWA NON-AKTIF MENGGUNAKAN ALGORITMA C4.5 DI UNIVERSITAS SANGGA BUANA

PUSPITASARI, FIONA (2024) PENERAPAN DATA MINING UNTUK MEMPREDIKSI MAHASISWA NON-AKTIF MENGGUNAKAN ALGORITMA C4.5 DI UNIVERSITAS SANGGA BUANA. Skripsi thesis, UNIVERSITAS SANGGA BUANA YPKP.

	Text cover.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (127kB)
	Text Pengesahan dan Persutujuan.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (314kB)
	Text Pernyataan.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (207kB)
	Text Abstract ID dan EN.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (60kB)
	Text BabI.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (100kB)
	Text Watermark full 2.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (3MB) | Request a copy
	Text Daftar Pustaka.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (166kB)
	Text Surat Cek plagiat.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (190kB)

Abstract

Pendidikan tinggi memiliki peran penting dalam pembangunan sumber daya manusia dan kemajuan bangsa. Namun, masalah putus kuliah atau mahasiswa non-aktif masih menjadi tantangan serius bagi perguruan tinggi di Indonesia. Penelitian ini bertujuan untuk menganalisis dan memprediksi mahasiswa non-aktif di Universitas Sangga Buana menggunakan algoritma C4.5. Metode data mining dengan algoritma C4.5 dipilih karena kemampuannya dalam mengidentifikasi pola dan faktor-faktor yang mempengaruhi status keaktifan mahasiswa. Data yang digunakan berasal dari mahasiswa Sistem Informasi angkatan 2020-2022. Variabel yang dianalisis meliputi penghasilan orang tua, beasiswa, Ipk dan lokasi tempat tinggal. Hasil penelitian menunjukkan bahwa model C4.5 memiliki tingkat akurasi 93,50%, dengan class recall 90,01%. Presisi untuk kelas prediksi Non-Aktif mencapai 83,33%, sementara untuk kelas Aktif sebesar 96,67%. Penelitian ini menghasilkan kesimpulan bahwa algoritma C4.5 efektif dalam memprediksi mahasiswa non-aktif, dengan penghasilan orang tua, beasiswa, dan lokasi tempat tinggal sebagai faktor signifikan. Hasil ini dapat membantu institusi dalam mengembangkan strategi pencegahan dan intervensi dini untuk meningkatkan retensi mahasiswa

Actions (login required)

View Item