1. Home
  2. Vol 5, No 3
  3. Amin

Penerapan Algoritma Cart Untuk Memprediksi Status Kelulusan Mahasiswa

Muhammad Faisal Amin(1*)
(1) STMIK Banjarbaru
(*) Corresponding Author
DOI : 10.35889/jutisi.v5i3.116

Abstract

Abstrak

Lulus tepat waktu merupakan salah satu elemen penilaian akreditasi perguruan tinggi. Dalam jenjang S1, mahasiswa dinyatakan lulus tepat waktu jika bisa menyelesaikan studinya <= delapan semester atau empat tahun. BAN-PT menetapkan standar kelulusan tepat waktu sebesar >= 50%. Jika standar tersebut tidak terpenuhi, maka akan mengurangi nilai akreditasi. STMIK Banjarbaru sebagai salah satu sekolah tinggi komputer terbesar di Kalimantan Selatan mengalami masalah tersebut.  Tingkat kelulusan prodi teknik informatika (TI) STMIK Banjarbaru sangat rendah, yaitu hanya 18,83%.  Masalah tersebut mendorong pihak prodi TI untuk melakukan evaluasi dan langkah strategis dalam upaya meningkatkan tingkat kelulusan mahasiswa agar target dari BAN-PT bisa tercapai. Untuk itu perlu diketahui secara dini pola dari mahasiswa yang cenderung tidak lulus tepat waktu. Pada penelitian ini diusulkan algoritma cart untuk memprediksi kelulusan mahasiswa. Algoritma ini akan mengolah dataset profil mahasiswa yang berjumlah 238 data. Dataset ini memiliki label status kelulusan. Nilai dari label  bernilai kategorikal, yaitu tepat dan terlambat. Adapun fitur atau atribut yang digunakan, yaitu jenis kelamin, asal sekolah, nilai uan, nilai sekolah, dan umur. Hasil dari algoritma cart ini berupa model pohon keputusan yang sangat mudah untuk dianalisis. Bahkan, oleh orang awam sekalipun. Dari model ini akan dipetakan pola mahasiswa yang berpotensi lulus tepat waktu dan terlambat. Berdasarkan hasil eksperimen, akurasi dari model algoritma ini sebesar 64,37%.

Kata Kunci: Prediksi kelulusan mahasiswa, decision tree, algoritma  cart

References


Anonim, Buku 5 Pedoman Penilaian Instrumen Akreditasi Sarjana (Versi 23 Juli 2010). BAN-PT. 2010.

Anonim, Buku-6-Matriks-Penilaian-Akreditasi-Sarjana. BAN-PT. 2010.

Adhatrao, K., Gaykar, A., Dhawan, A., Jha, R., & Honrao, V. Predicting Student's Performance Using ID3 And C4.5 Classification Algorithms. International Journal of Data Mining & Knowledge Management Process (IJDKP), 2013.

Shaziya, H., Zaheer, R., & Kavitha, G. Prediction of Students Performance in Semester Exams using a Naïve bayes Classifier. International Journal of Innovative Research in Science, Engineering and Technology, 2015.

Naser, S. A., Zaqout, I., Ghosh, M. A., Rasha, A., & Alajrami, E. Predicting Student Performance Using Artificial Neural Network: in the Faculty of Engineering and Information Technology. International Journal of Hybrid Information Technology, 221-228, 2015.

Nithyasri, B., Nandhini, K., & Chandra, E. Classification Techniques in Education Domain. International Journal of Computer, Mathematical Sciences and Applications, 15-23, 2011.

Anonim, Laporan Data Kelulusan 2015. Prodi TI Stmik Banjarbaru, Banjarbaru. 2015.

Kothari, Research Methology Methods and Techniques. Research Methology Methods and Techniques, 2004.

Larose, D. T., Discovering Knowledge In Data. New Jersey: Wiley, 2005.

Susanto, S., & Suryadi, D., Pengantar Data Mining Menggali Pengetahuan dari Bongkahan Data. Yogyakarta: Andi Publisher, 2010.


The PDF file you selected should load here if your Web browser has a PDF reader plug-in installed (for example, a recent version of Adobe Acrobat Reader).

If you would like more information about how to print, save, and work with PDFs, Highwire Press provides a helpful Frequently Asked Questions about PDFs.

Alternatively, you can download the PDF file directly to your computer, from where it can be opened using a PDF reader. To download the PDF, click the Download link above.

Fullscreen Fullscreen Off

Full Text: PDF

How To Cite This :

Refbacks

  • There are currently no refbacks.