Prediksi Kelulusan Mahasiswa Menggunakan Algoritma Random Forest Studi Kasus Pada Data Akademik

Abstract

Tingkat kelulusan tepat waktu mahasiswa tetap menjadi masalah serius di perguruan tinggi karena
dapat mempengaruhi kualitas akreditasi program studi. Penelitian ini bertujuan untuk memprediksi
kelulusan mahasiswa menggunakan algoritma Random Forest berdasarkan data akademik, sehingga
dapat mendukung program studi dalam mengidentifikasi mahasiswa berisiko dan menyususn strategi
pendampingan yang tepat. Data penelitian ini diperoleh dari 200 mahasiswa dengan variabel utama
meliputi Indeks Prediksi Kumulatif (IPK), tingkat kehadiran, keaktifan organisasi, dan jam belajar
harian. Tahapan penellitian mencakup pengumpulan data, pembersihan dara, analisis deskriptif,
pemodelan menggunankan algoritma klasifikasi, serta evaluasi model dengan metrik akurasi,
precision, dan recall. Hasil analisis menunjukkan bahwa IPK, kehadiran, jam belajar, dan keaktifan
organisasi memiliki pengaruh signifikan terhadap ketepatan waktu kelulusan. Mayoritas mahasiswa
(78,5%) lulus tidak tepat waktu, sedangkan hanya 2% yang berhasil cumlaude. Model klasifikasi
Random Forest memberikan performa prediksi dengan akurasi 92%. Temuan ini menegaskan
pentingnya peran faktor akademik dan manajemen belajar dalam mendukung mahasiswa
menyelesaikan studi tepat waktu