Klasifikasi Masa Studi Mahasiswa Fakultas Ilmu Komputer Universitas Jember Angkatan Menggunakan Algoritma C4.5

Abstract

Keterlambatan kelulusan mahasiswa merupakan masalah krusial yang dihadapi oleh institusi pendidikan tinggi, termasuk Fakultas Ilmu Komputer Universitas Jember. Identifikasi dini terhadap mahasiswa yang berisiko terlambat menjadi tantangan yang memerlukan pendekatan berbasis data. Penelitian ini bertujuan untuk membangun model klasifikasi yang andal guna memprediksi masa studi mahasiswa secara akurat. Metode yang digunakan adalah data mining dengan teknik klasifikasi menggunakan Algoritma C4.5 yang kinerjanya dioptimalkan dengan metode MetaCost untuk menangani masalah ketidakseimbangan kelas. Data akademik dan non-akademik dari mahasiswa angkatan 2017 hingga 2019 diolah melalui serangkaian tahap pra-pemrosesan sebelum dimodelkan dengan rasio pembagian data 80% untuk data latih dan 20% untuk data uji. Hasil penelitian menunjukkan model MetaCost C4.5 mencapai akurasi superior 92% dan F1-Score 78% untuk kelas minoritas, jauh melampaui C4.5 standar. Analisis pohon keputusan mengidentifikasi rata-rata SKS per semester sebagai prediktor paling dominan. Disimpulkan bahwa model ini efektif dan seimbang untuk diimplementasikan sebagai sistem peringatan dini.