Penelitian ini bertujuan untuk memprediksi tingkat kelulusan mahasiswa menggunakan metode klasifikasi dan algoritma decision tree C4.5. Data yang digunakan meliputi data mahasiswa dan Kartu Hasil Studi (KHS) dengan kriteria Indeks Prestasi Semester (IPS) dan Indeks Prestasi Kumulatif (IPK). Data dikelola melalui tahapan Knowledge Discovery in Database (KDD) dengan bantuan tool RapidMiner untuk memfasilitasi prediksi tingkat kelulusan mahasiswa. Penerapan data mining dengan metode klasifikasi dan algoritma C4.5 digunakan untuk menganalisis tingkat kelulusan mahasiswa berdasarkan informasi yang dihasilkan. Proses perhitungan data menggunakan algoritma C4.5 menunjukkan bahwa tingkat mahasiswa yang terlambat lulus atau tidak tepat waktu lebih rendah dibandingkan dengan tingkat mahasiswa yang lulus tepat waktu. Penelitian ini melibatkan pengujian melalui metode cross-validation dan evaluasi model confusion matrix yang menghasilkan akurasi prediksi sebesar 99.64%. Selain itu, evaluasi menggunakan metrik AUC menunjukkan nilai sebesar 99.5%, menandakan bahwa model memiliki kemampuan hampir sempurna dalam melakukan klasifikasi. Temuan ini menegaskan bahwa model dapat memprediksi tingkat kelulusan mahasiswa dengan akurat.
Copyrights © 2023