PENINGKATAN ALGORITMA DECISION TREE DALAM MENGKLASIFIKASI TINGKAT KELULUSAN MAHASISWA UNIVERSITAS JAMBI DENGAN SELEKSI FITUR CHI-SQUARE
DOI:
https://doi.org/10.33998/jms.2025.5.2.2331Kata Kunci:
Data Mining, Machine Learning, Klasifikasi, Decision Tree, Chi-SquareAbstrak
Peningkatan jumlah mahasiswa Universitas Jambi setiap tahunnya tidak diiringi dengan tingkat kelulusan yang sebanding, sehingga diperlukan upaya untuk menganalisis data mahasiswa guna memberikan solusi strategis. Penelitian ini bertujuan untuk melakukan analisis data mining pada data mahasiswa untuk membantu pembimbing akademik memprediksi status kelulusan mahasiswa dan memberikan peringatan dini agar mahasiswa dapat menyelesaikan studi tepat waktu, sehingga angka keterlambatan kelulusan dapat diminimalkan. Data yang digunakan dalam penelitian ini adalah data alumni Fakultas Sains dan Teknologi Universitas Jambi tahun 2019 hingga 2024, yang telah melalui proses data cleaning. Metode klasifikasi yang digunakan adalah algoritma Decision Tree dengan penerapan seleksi fitur Chi-Square untuk meningkatkan akurasi model. Hasil penelitian menunjukkan bahwa penerapan seleksi fitur pada algoritma Decision Tree menghasilkan tingkat akurasi sebesar 80,00%, lebih tinggi dibandingkan model tanpa seleksi fitur yang hanya mencapai akurasi sebesar 78,57%. Selain itu, nilai presisi meningkat dari 86,82% menjadi 84,41%, recall meningkat dari 86,72% menjadi 92,24%, dan F1-score meningkat dari 86,77% menjadi 88,13%. Temuan ini menunjukkan bahwa seleksi fitur berkontribusi signifikan dalam meningkatkan kinerja model klasifikasi untuk memprediksi kelulusan mahasiswa Universitas Jambi, terutama dalam meningkatkan recall yang mencerminkan kemampuan model dalam mengidentifikasi mahasiswa yang lulus tepat waktu secara lebih akurat.
Unduhan
Referensi
B. D. Ginting, L. Arliana, and N. Kadim, “Penerapan Algoritma K-Nearest Neighbor untuk Klasifikasi Usaha Masyarakat Berdasarkan Jenis Izin Usaha,” vol. 2, no. 4, 2024.
A. I. Saputra, H. Oktavianto, H. Azizah, and A. Faruq, “Penerapan Algoritma Modified K-Nearest Neighbour (MKNN) Pada Klasifikasi Masa Studi Mahasiswa Teknik Informatika Application of the Modified K-Nearest Neighbour (MKNN) AlgorithmIn the Classification of the Study Period of Informatics Engineering Student,” J. Smart Teknol., vol. 3, no. 1, pp. 2774–1702, 2021, [Online]. Available: http://jurnal.unmuhjember.ac.id/index.php/JST
M. R. Qisthiano, P. A. Prayesy, and I. Ruswita, “Penerapan Algoritma Decision Tree dalam Klasifikasi Data Prediksi Kelulusan Mahasiswa,” G-Tech J. Teknol. Terap., vol. 7, no. 1, pp. 21–28, 2023, doi: 10.33379/gtech.v7i1.1850.
N. Nailil Amani, M. Martanto, and U. Hayati, “Penggunaan Algoritma Decision Tree Untuk Prediksi Prestasi Siswa Di Sekolah Dasar Negeri 3 Bayalangu Kidul,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 473–479, 2024, doi: 10.36040/jati.v8i1.8355.
E. Karyadiputra and Z. Zaenuddin, “Penerapan Algoritma Decision Tree C4.5 Berbasis Seleksi Atribut Chi Squared Untuk Klasifikasi Tingkat Pengetahuan Ibu Dalam Pemberian Asi Eksklusif Pada Bayi,” Technol. J. Ilm., vol. 11, no. 1, p. 7, 2020, doi: 10.31602/tji.v11i1.2685.
O. P. Moerdyanto and I. K. D. Nuryana, “Prediksi Kelulusan Tepat Waktu Menggunakan Pendekatan Pohon Keputusan Algoritma Decision Tree,” J. Informatics Comput. Sci., vol. 05, no. 1, pp. 90–96, 2023, [Online]. Available: https://ejournal.unesa.ac.id/index.php/jinacs/article/view/55329
A. Saputra, T. Azhima, and Y. Siswa, “DALAM MODEL KASUS PREDIKSI KETERLAMBATAN BIAYA KULIAH,” J. Inform. dan Komputer), vol. 6, no. 2, pp. 231–241, 2022.
M. Darmaputra and D. S. Nugroho, “STUDENT GRADUATION PREDICTION USING ALGORITMA K- MEANS WITH FITUR SELECTION CHI SQUARE,” Equilibria Pendidilan, vol. 6, no. 2, pp. 45–48, 2017, [Online]. Available: http://journal.upgris.ac.id/index.php/equilibriapendidikan
V. R. Joseph, “Optimal ratio for data splitting,” Stat. Anal. Data Min., vol. 15, no. 4, pp. 531–538, 2022, doi: 10.1002/sam.11583.
Sriani, Aidil Halim Lubis, and Sofiah, “Classification of Patient Satisfaction Level on Health Services Using the C4.5 Algorithm,” J. Ris. Inform., vol. 6, no. 2, pp. 95–102, 2024, doi: 10.34288/jri.v6i2.283.
E. Andriyani, W., Matematika Pada Kecerdasan Buatan. CV Tohar Media, 2019.
T. Ernayanti, M. Mustafid, A. Rusgiyono, and A. R. Hakim, “Penggunaan Seleksi Fitur Chi-Square Dan Algoritma Multinomial Naïve Bayes Untuk Analisis Sentimen Pelangggan Tokopedia,” J. Gaussian, vol. 11, no. 4, pp. 562–571, 2023, doi: 10.14710/j.gauss.11.4.562-571.
H. Hamria and H. Hamsir, “K-Nearest Neighbor Berbasis Seleksi Atribut Chi Square Untuk Klasifikasi Penerima Beasiswa,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 14, no. 1, pp. 1–10, 2023, doi: 10.24176/simet.v14i1.9178.
H. M. Lumbantobing, R. A. Marcellino, and I. C. Bu’ulolo, “Penerapan Metode Feature Selection pada Algoritma Naïve Bayes dalam Kasus Keyword Extraction,” Citee, pp. 117–123, 2020.
H. Rifa’i, Ryan Hamonangan, Dian Ade Kurnia, Kaslani, and Mulyawan, “Implementasi Algoritma Decision Tree Dalam Klasifikasi Kompetensi Siswa,” KOPERTIP J. Ilm. Manaj. Inform. dan Komput., vol. 6, no. 1, pp. 15–20, 2022, doi: 10.32485/kopertip.v6i1.131.
Endang Etriyanti, “Perbandingan Tingkat Akurasi Metode Knn Dan Decision Tree Dalam Memprediksi Lama Studi Mahasiswa,” J. Ilm. Bin. STMIK Bina Nusant. Jaya Lubuklinggau, vol. 3, no. 1, pp. 6–14, 2021, doi: 10.52303/jb.v3i1.40.
Y. Crismayella, N. Satyahadewi, and H. Perdana, “Algoritma Adaboost pada Metode Decision Tree untuk Klasifikasi Kelulusan Mahasiswa,” Jambura J. Math., vol. 5, no. 2, pp. 278–288, 2023, doi: 10.34312/jjom.v5i2.18790.
C. N. Dengen, K. Kusrini, and E. T. Luthfi, “Implementasi Decision Tree Untuk Prediksi Kelulusan Mahasiswa Tepat Waktu,” Sisfotenika, vol. 10, no. 1, p. 1, 2020, doi: 10.30700/jst.v10i1.484.
