TA TRPL

Sistem Prediksi Kelulusan Mahasiswa Menggunakan Algoritma Random Forest

---

Tingkat kelulusan tepat waktu di pendidikan tinggi masih menjadi tantangan, termasuk di Politeknik Enjinering Indorama (PEI). Pada Program Studi Teknologi Rekayasa Perangkat Lunak (TRPL), rata-rata hanya 67% mahasiswa angkatan 2018–2020 yang lulus tepat waktu. Sistem pemantauan akademik yang ada cenderung reaktif dan kurang efektif dalam mendeteksi risiko keterlambatan studi secara dini. Penelitian ini bertujuan untuk merancang dan mengembangkan sebuah sistem berbasis web yang mampu memprediksi kelulusan mahasiswa tepat waktu. Sistem ini didukung oleh algoritma Random Forest dan memanfaatkan data riwayat akademik spesifik seperti Indeks Prestasi Semester (IPS), total Satuan Kredit Semester (SKS) yang tidak lulus, serta atribut akademik lainnya. Metodologi yang digunakan meliputi Cross-Industry Standard Process for Data Mining (CRISP- DM) untuk pengembangan model machine learning dan Rapid Application Development (RAD) untuk implementasi sistem yang efisien. Model Random Forest yang dikembangkan menunjukkan kinerja prediktif yang luar biasa, mencapai akurasi sebesar 92%. Capaian ini secara signifikan melampaui target akurasi awal sebesar 75% dan menunjukkan keunggulan komparatif dibandingkan algoritma lain yang disebutkan dalam penelitian- penelitian sebelumnya. Sistem berbasis web yang dihasilkan dilengkapi dengan fitur notifikasi orang tua dan dashboard interaktif, memungkinkan deteksi dini mahasiswa berisiko dan mendukung intervensi proaktif. Kontribusi penelitian ini meliputi penyediaan alat praktis untuk peningkatan efisiensi intervensi akademik di TRPL PEI, memperkaya literatur machine learning dalam konteks pendidikan vokasional, serta mendukung peningkatan kualitas pendidikan, selaras dengan Sustainable Development Goal 4. Kata Kunci: Prediksi Kelulusan, Random Forest, Machine learning, Sistem Berbasis Web, CRISP-DM, RAD, Pendidikan Tinggi, Deteksi Dini, Intervensi Akademik.

---

Availability

Detail Information

Series Title

-

Call Number

TA RIF s

Publisher

Purwakarta : Program Studi Teknologi Rekayasa Perangkat Lunak Politeknik Enjinering Indorama., 2025

Collation

xviii, 182 hlm.: ilus.; 30 cm

Language

Indonesia

ISBN/ISSN

-

Classification

TA RIF s

Content Type

-

Media Type

-

Carrier Type

-

Edition

-

Subject(s)

Algoritma
Random Forest
Kelulusan Mahasiswa

Specific Detail Info

Hardcover: Hijau

Statement of Responsibility

-

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment