PROVISIPROVISI
JURNAL TEKNOLOGI INFORMASI DAN KOMUNIKASIJURNAL TEKNOLOGI INFORMASI DAN KOMUNIKASIPendidikan tinggi sangat penting untuk mengembangkan sumber daya manusia yang kompetitif, namun masalah putus sekolah (DO) masih menjadi tantangan signifikan bagi institusi. Penelitian ini bertujuan untuk mengembangkan model prediktif untuk mengidentifikasi mahasiswa yang berisiko putus sekolah menggunakan teknik machine learning. Dengan menganalisis data akademik, termasuk Indeks Prestasi Kumulatif (GPA), beban studi, tingkat kehadiran, dan tingkat kegagalan, penelitian ini menggunakan tiga algoritma machine learning: Decision Tree, Naive Bayes, dan K-Nearest Neighbor (KNN). Hasil penelitian menunjukkan bahwa model Decision Tree mengungguli yang lain, mencapai akurasi sempurna 100% dalam mengklasifikasikan mahasiswa sebagai Lulus atau Drop Out. Naive Bayes juga menunjukkan kinerja yang kuat dengan akurasi 95%, terutama unggul dalam mengidentifikasi kasus putus sekolah yang sebenarnya. Sebaliknya, KNN menunjukkan efektivitas terendah. Temuan ini menunjukkan bahwa implementasi model Decision Tree dapat secara signifikan meningkatkan deteksi dini dan strategi intervensi untuk mahasiswa yang berisiko, yang pada akhirnya meningkatkan manajemen akademik dan tingkat retensi mahasiswa.
Berdasarkan analisis komparatif terhadap tiga algoritma klasifikasi, yaitu Decision Tree, Naive Bayes, dan K-Nearest Neighbor (KNN), dapat disimpulkan bahwa model Decision Tree menunjukkan kinerja klasifikasi yang paling superior.Hasil evaluasi yang konsisten menunjukkan bahwa Decision Tree mencapai akurasi, presisi, recall, dan skor F1 sebesar 100% untuk kedua kelas target.Hal ini mengindikasikan kemampuan model dalam melakukan klasifikasi tanpa adanya kesalahan prediksi.Model Naive Bayes menunjukkan kinerja yang sangat baik sebagai alternatif kedua, dengan akurasi sebesar 95%.Sementara itu, model K-Nearest Neighbor (KNN) menunjukkan performa yang paling rendah.
Berdasarkan latar belakang penelitian yang menyoroti pentingnya data akademik dalam memprediksi risiko putus sekolah, serta keterbatasan yang ditemukan dalam penelitian ini, beberapa saran penelitian lanjutan dapat diajukan. Pertama, perlu dilakukan eksplorasi lebih lanjut terhadap variabel-variabel non-akademik yang mungkin berkontribusi terhadap risiko putus sekolah, seperti faktor sosial-ekonomi, dukungan keluarga, atau kondisi kesehatan mental mahasiswa. Kedua, pengembangan model prediktif dapat ditingkatkan dengan menggabungkan berbagai algoritma machine learning secara ensemble, atau dengan menerapkan teknik deep learning yang mampu menangkap pola-pola kompleks dalam data. Ketiga, penelitian selanjutnya dapat fokus pada pengembangan sistem peringatan dini yang terintegrasi dengan sistem informasi akademik, sehingga pihak universitas dapat segera melakukan intervensi preventif terhadap mahasiswa yang teridentifikasi berisiko.
- Model Prediksi Dropout Mahasiswa Menggunakan Teknik Data Mining | Anwar | Jurnal Informatika UPGRIS.... doi.org/10.26877/jiu.v7i1.8023Model Prediksi Dropout Mahasiswa Menggunakan Teknik Data Mining Anwar Jurnal Informatika UPGRIS doi 10 26877 jiu v7i1 8023
- SUPERVISED LEARNING AND UNSUPERVISED LEARNING ALGORITHM IN DATA PROCESSING | G-Tech: Jurnal Teknologi... doi.org/10.33379/gtech.v4i2.635SUPERVISED LEARNING AND UNSUPERVISED LEARNING ALGORITHM IN DATA PROCESSING G Tech Jurnal Teknologi doi 10 33379 gtech v4i2 635
- Prediksi Mahasiswa Drop-Out Di Universitas XYZ | Jurnal Teknologi Informasi dan Ilmu Komputer. mahasiswa... doi.org/10.25126/jtiik.2024118689Prediksi Mahasiswa Drop Out Di Universitas XYZ Jurnal Teknologi Informasi dan Ilmu Komputer mahasiswa doi 10 25126 jtiik 2024118689
- IMPLEMENTASI AlGORITMA NAIVE BAYES UNTUK MEMPREDIKSI TINGKAT PENYEBARAN COVID: IMPLEMENTATION OF NAIVE... prin.or.id/index.php/JURRITEK/article/view/127IMPLEMENTASI AlGORITMA NAIVE BAYES UNTUK MEMPREDIKSI TINGKAT PENYEBARAN COVID IMPLEMENTATION OF NAIVE prin index php JURRITEK article view 127
- Revolusi Teknologi: Masa Depan Kecerdasan Buatan (AI) dan Dampaknya Terhadap Masyarakat | Academy of... jurnal.ucy.ac.id/index.php/AoSSaGCJ/article/view/1837Revolusi Teknologi Masa Depan Kecerdasan Buatan AI dan Dampaknya Terhadap Masyarakat Academy of jurnal ucy ac index php AoSSaGCJ article view 1837
| File size | 485.31 KB |
| Pages | 8 |
| DMCA | Report |
Related /
UNIMAUNIMA Selain itu peneliti juga menggunakan teknik observasi untuk mengamati proses pembelajaran di dalam kelas. Berdasarkan hasil penelitian, diketahui bahwaSelain itu peneliti juga menggunakan teknik observasi untuk mengamati proses pembelajaran di dalam kelas. Berdasarkan hasil penelitian, diketahui bahwa
ARIKESIARIKESI Analisis statistik menunjukkan hubungan signifikan antara tingkat stres (p=0,000), dukungan sosial (p=0,002), stigma publik (p=0,000), dan stigma diriAnalisis statistik menunjukkan hubungan signifikan antara tingkat stres (p=0,000), dukungan sosial (p=0,002), stigma publik (p=0,000), dan stigma diri
PROVISIPROVISI Pengembangan selanjutnya dapat meliputi integrasi dengan platform web atau mobile serta adopsi basis data awan untuk mendukung fleksibilitas dan keamananPengembangan selanjutnya dapat meliputi integrasi dengan platform web atau mobile serta adopsi basis data awan untuk mendukung fleksibilitas dan keamanan
LLILLI Dukungan sosial online, meskipun memberikan dorongan emosional, terbukti kurang efektif dibandingkan interaksi tatap muka dalam menangani kebutuhan psikologisDukungan sosial online, meskipun memberikan dorongan emosional, terbukti kurang efektif dibandingkan interaksi tatap muka dalam menangani kebutuhan psikologis
UNDIPUNDIP Banyak mahasiswa keperawatan (n=313; 42,6%) mengalami depresi. Sebagian besar mahasiswa (n=465; 63,4%) merasakan dukungan keluarga yang tinggi, dukunganBanyak mahasiswa keperawatan (n=313; 42,6%) mengalami depresi. Sebagian besar mahasiswa (n=465; 63,4%) merasakan dukungan keluarga yang tinggi, dukungan
UNTAG SMDUNTAG SMD Bokashi merupakan hasil fermentasi bahan organik dengan menggunakan teknologi EM‑4 yang dapat digunakan sebagai pupuk organik untuk meningkatkan kesuburanBokashi merupakan hasil fermentasi bahan organik dengan menggunakan teknologi EM‑4 yang dapat digunakan sebagai pupuk organik untuk meningkatkan kesuburan
UNTAG SMDUNTAG SMD Dalam menjalankan proses usahanya PT. IHM melibatkan berbagai pihak yang memiliki kompetensi dibidangnya, termasuk bermitra dengan masyarakat sekitarnya,Dalam menjalankan proses usahanya PT. IHM melibatkan berbagai pihak yang memiliki kompetensi dibidangnya, termasuk bermitra dengan masyarakat sekitarnya,
UNNARUNNAR Setelah berjalan sekian lama acuan tersebut masih digunakan hingga sekarang yang terdiri dari dua baris, yaitu baris pertama terdiri dari Kode WilayahSetelah berjalan sekian lama acuan tersebut masih digunakan hingga sekarang yang terdiri dari dua baris, yaitu baris pertama terdiri dari Kode Wilayah
Useful /
UNDIPUNDIP Hasil: Temuan menunjukkan bahwa kepemimpinan spiritual memiliki efek langsung yang signifikan pada perilaku perawatan (t=3. 976, p=0. 000), panggilan (t=4.Hasil: Temuan menunjukkan bahwa kepemimpinan spiritual memiliki efek langsung yang signifikan pada perilaku perawatan (t=3. 976, p=0. 000), panggilan (t=4.
UNDIPUNDIP Dukungan ayah dinilai menggunakan kuesioner Dukungan Ayah Selama Kehamilan, yang diberikan tiga kali dengan interval 72 jam. Depresi pascapersalinan diukurDukungan ayah dinilai menggunakan kuesioner Dukungan Ayah Selama Kehamilan, yang diberikan tiga kali dengan interval 72 jam. Depresi pascapersalinan diukur
UNTAG SMDUNTAG SMD Pada Bulan Desember 2019 sebagai lanjutan perawatan dan penggantian tanaman yang sudah tidak produktif. Warga masyarakat RT 30 Kelurahan Sambutan dapatPada Bulan Desember 2019 sebagai lanjutan perawatan dan penggantian tanaman yang sudah tidak produktif. Warga masyarakat RT 30 Kelurahan Sambutan dapat
UNTAG SMDUNTAG SMD Nutrisi tanaman dibagi menjadi unsur hara makro dan unsur hara mikro. Metode pembuatan nutrisi organik tanaman melibatkan pengumpulan 15 bahan alami, penggilingan,Nutrisi tanaman dibagi menjadi unsur hara makro dan unsur hara mikro. Metode pembuatan nutrisi organik tanaman melibatkan pengumpulan 15 bahan alami, penggilingan,