PENINGKATAN ALGORITMA DECISION TREE DALAM MENGKLASIFIKASI TINGKAT KELULUSAN MAHASISWA UNIVERSITAS JAMBI DENGAN SELEKSI FITUR CHI-SQUARE

Wahyu Hardian, Reza (2025) PENINGKATAN ALGORITMA DECISION TREE DALAM MENGKLASIFIKASI TINGKAT KELULUSAN MAHASISWA UNIVERSITAS JAMBI DENGAN SELEKSI FITUR CHI-SQUARE. Masters thesis, UNAMA.

	Text BAB I.pdf Download (148kB)
	Text BAB II.pdf Restricted to Registered users only Download (517kB)
	Text BAB III.pdf Restricted to Registered users only Download (134kB)
	Text BAB IV.pdf Restricted to Registered users only Download (807kB)
	Text BAB V.pdf Download (101kB)
	Text DAFTAR PUSTAKA.pdf Download (102kB)

Abstract

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.

Actions (login required)

View Item