<![CDATA[Dunia pendidikan saat ini mengalami kompetisi yang begitu ketat, terutama pada era digital seperti saat ini, dimana salah satunya yaitu pendidikan tinggi yang saling berkompetisi dalam meraih peringkat terbaik. Instrumen dalam dunia pendidikan seperti penerimaan mahasiswa baru hingga kelulusan dapat dievaluasi berdasarkan kinerja mahasiswa agar terwujudnya pendidikan yang berkualitas. Pengambilan keputusan dalam evaluasi kinerja akademik mahasiswa pada kelulusan tepat waktu dan tidak tepat waktu dapat dilakukan dengan penambangan data pendidikan (educational data mining). Berbagai model klasifikasi data mining pada pendidikan telah banyak dilakukan para peneliti. Namun, secara umum sulit untuk menentukan model klasifikasi terbaik dari berbagai metode pada evaluasi kinerja akademik mahasiswa dengan kasus yang sama. Tujuan dari penelitian ini untuk menentukan model klasifikasi yang memiliki kinerja terbaik pada prediksi kelulusan mahasiswa tepat waktu yang dievaluasi berdasarkan empat dataset yaitu TI-Reg.A, TI-Reg.B, AK-Reg.A, dan AK-Reg.B. Indikator dalam evaluasi kinerja model berdasarkan peringkat rata-rata akurasi. Hasil eksperimen menunjukkan bahwa model klasifikasi random forest memiliki kinerja terbaik pada sebagian dataset dan memiliki nilai akurasi rata-rata peringkat tertinggi dibandingkan model GBT. Sedangkan, model DT, NB, k-NN, LR, NN, MLP, dan SVM memiliki kinerja yang sama baik.]]>
Copyrights © 2020
