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.

[thumbnail of BAB I.pdf]
Preview
Text
BAB I.pdf

Download (148kB) | Preview
[thumbnail of BAB II.pdf] Text
BAB II.pdf
Restricted to Registered users only

Download (517kB)
[thumbnail of BAB III.pdf] Text
BAB III.pdf
Restricted to Registered users only

Download (134kB)
[thumbnail of BAB IV.pdf] Text
BAB IV.pdf
Restricted to Registered users only

Download (807kB)
[thumbnail of BAB V.pdf]
Preview
Text
BAB V.pdf

Download (101kB) | Preview
[thumbnail of DAFTAR PUSTAKA.pdf]
Preview
Text
DAFTAR PUSTAKA.pdf

Download (102kB) | Preview

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.

Item Type: Thesis (Masters)
Subjects: Analisis Sistem Informasi
Divisions: Tesis > Magister Sistem Informasi > 2025
Depositing User: Digital Library
Date Deposited: 10 Sep 2025 02:03
Last Modified: 10 Sep 2025 02:03
URI: https://repository.unama.ac.id/id/eprint/4825

Actions (login required)

View Item View Item