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 /
STISIPBPSTISIPBP Teknik pengambilan informan menggunakan Teknik Purposive Sampling. Metode analisis yang digunakan yaitu metode analisis deskriptif. Hasil penelitian menemukanTeknik pengambilan informan menggunakan Teknik Purposive Sampling. Metode analisis yang digunakan yaitu metode analisis deskriptif. Hasil penelitian menemukan
HAMZANWADIHAMZANWADI Hasil evaluasi menunjukkan bahwa pelatihan aplikasi hand craft masuk dalam kriteria baik dengan nilai 79,58%, menunjukkan bahwa sebagian besar pesertaHasil evaluasi menunjukkan bahwa pelatihan aplikasi hand craft masuk dalam kriteria baik dengan nilai 79,58%, menunjukkan bahwa sebagian besar peserta
HAMZANWADIHAMZANWADI Selain itu, peserta siswa juga dituntut untuk dapat mempresentasikan materi presentasinya tersebut di depan kelas, dalam hal ini lokasi pelatihan adalahSelain itu, peserta siswa juga dituntut untuk dapat mempresentasikan materi presentasinya tersebut di depan kelas, dalam hal ini lokasi pelatihan adalah
MALAHAYATIMALAHAYATI implementasi sistem keselamatan di Gedung Abulyatama Aceh belum sepenuhnya memenuhi standar keselamatan yang berlaku. Berdasarkan hasil evaluasi yang dilakukan,implementasi sistem keselamatan di Gedung Abulyatama Aceh belum sepenuhnya memenuhi standar keselamatan yang berlaku. Berdasarkan hasil evaluasi yang dilakukan,
JOURNALSJOURNALS Setelah mengikuti program, masyarakat menunjukkan pemahaman yang lebih baik mengenai pemanfaatan limbah. Selain itu, keterampilan mereka meningkat, danSetelah mengikuti program, masyarakat menunjukkan pemahaman yang lebih baik mengenai pemanfaatan limbah. Selain itu, keterampilan mereka meningkat, dan
UNIDAUNIDA Penelitian ini mendeskripsikan berbagai problematika dalam pembelajaran bahasa Arab di MAN 4 AGAM, dilihat dari dua sisi yaitu linguistik dan non-linguistik.Penelitian ini mendeskripsikan berbagai problematika dalam pembelajaran bahasa Arab di MAN 4 AGAM, dilihat dari dua sisi yaitu linguistik dan non-linguistik.
STIAMISTIAMI Aplikasi Srikandi dirancang untuk meningkatkan efektivitas, efisiensi, dan aksesibilitas dokumen secara real-time dalam pengelolaan administrasi. PenelitianAplikasi Srikandi dirancang untuk meningkatkan efektivitas, efisiensi, dan aksesibilitas dokumen secara real-time dalam pengelolaan administrasi. Penelitian
ITKAITKA Hasil kajian diperoleh ketidaksesuaian pada beberapa aspek pada kedua sarana. Terdapat 7 aspek ketidaksesuaian pada sarana ABC dengan bobot nilai 16 danHasil kajian diperoleh ketidaksesuaian pada beberapa aspek pada kedua sarana. Terdapat 7 aspek ketidaksesuaian pada sarana ABC dengan bobot nilai 16 dan
Useful /
MALAHAYATIMALAHAYATI Metode Deteksi Stunting secara Otomatis pada Balita 0 24 Bulan dengan Menggunakan Metode Antropometri Berbasis Arduino. Stunting merupakan keadaan statusMetode Deteksi Stunting secara Otomatis pada Balita 0 24 Bulan dengan Menggunakan Metode Antropometri Berbasis Arduino. Stunting merupakan keadaan status
MALAHAYATIMALAHAYATI Dengan demikian, teknologi informasi menjadi pilar penting untuk meningkatkan kualitas layanan dan kepuasan pasien serta memperkuat fondasi operasionalDengan demikian, teknologi informasi menjadi pilar penting untuk meningkatkan kualitas layanan dan kepuasan pasien serta memperkuat fondasi operasional
ACTAMEDINDONESACTAMEDINDONES Terdapat korelasi antara hs‑CRP dan e‑GFR dengan tingkat keparahan pruritus pada masing‑masing kelompok. Pasien hemodialisis lebih rentan terhadapTerdapat korelasi antara hs‑CRP dan e‑GFR dengan tingkat keparahan pruritus pada masing‑masing kelompok. Pasien hemodialisis lebih rentan terhadap
ACTAMEDINDONESACTAMEDINDONES Subtip tidak umum, termasuk subtip D dan rekombinan yang mengandung fragmen genom subtip B dan G, juga diidentifikasi. TDR untuk penghambat PR tidak terdeteksi;Subtip tidak umum, termasuk subtip D dan rekombinan yang mengandung fragmen genom subtip B dan G, juga diidentifikasi. TDR untuk penghambat PR tidak terdeteksi;