Perbandingan Algoritma Klasifikasi untuk Prediksi Kelulusan Mahasiswa Teknik Informatika dengan Orange Data Mining

Comparison of Classification Algorithms for Predicting Graduation of Informatics Engineering Students with Orange Data Mining

Abstract

Penyelesaian studi tepat waktu menjadi parameter penting untuk menilai kompetensi lulusan. Meskipun demikian, muncul tantangan karena tidak semua mahasiswa dapat menyelesaikan studi mereka sesuai jadwal yang telah ditentukan. Pada penelitian ini dilakukan pengembangan prediksi status kelulusan mahasiswa dengan empat model klasifikasi, yakni Decision Tree, Naïve Bayes, K-NN dan SVM. Dataset yang digunakan adalah data mahasiswa angkatan 2018-2020 di Universitas Muhammadiyah Prof. Dr. Hamka, terdiri dari 500 data mahasiswa (60% data latihan dan 40% data uji). Analisis dilaksanakan dengan memanfaatkan perangkat lunak Orange Data Mining, dengan evaluasi model melibatkan K-Fold Cross Validation dengan nilai (K=5), Confusion Matrix, dan ROC. Hasil penelitian menunjukkan bahwa algoritma K-NN menjadi algoritma paling efektif dalam memprediksi status kelulusan mahasiswa, dengan tingkat akurasi dan presisi mencapai 92%, tingkat recall sebesar 89%.