UNESAUNESA

Journal of Informatics and Computer Science (JINACS)Journal of Informatics and Computer Science (JINACS)

Salah satu elemen utama yang mempengaruhi mutu pendidikan tinggi adalah tingkat kelulusan mahasiswa tepat waktu. Melalui algoritma Jaringan Syaraf Tiruan (ANN), studi ini berfokus untuk menciptakan model yang mampu memprediksi kelulusan mahasiswa dalam waktu yang sesuai pada program Sistem Informasi dan Ilmu Komputer di Universitas Negeri Surabaya. Prediksi didasarkan pada kombinasi data nilai akademik (IPK semester 1-4) dan kepuasan penggunaan e-learning yang diukur menggunakan metode End User Computing Satisfaction (EUCS). EUCS atas lima aspek: content, accuracy, format, ease of use, dan timeliness. Informasi yang dipakai dalam penelitian ini berasal dari 68 siswa angkatan 2018–2022. Untuk menangani keterbatasan jumlah data, pengembangan model melibatkan pengoptimalan hyperparameter menggunakan Optuna dan evaluasi menggunakan Stratified 5-Fold Cross-Validation. Hasil pengujian menunjukkan bahwa model ANN yang dikembangkan sangat akurat, dengan akurasi rata-rata 95,38%, ketepatan 93,33%, recall 96,00%, dan skor F1 94,55%. Hasil ini menunjukkan bahwa integrasi data akademik dan kepuasan pengguna terhadap teknologi pembelajaran dapat menjadi dasar strategi intervensi yang efektif bagi institusi pendidikan.

Penelitian ini menyimpulkan bahwa model ANN yang dikembangkan efektif dalam memprediksi kelulusan tepat waktu mahasiswa.Variabel kepuasan penggunaan e-learning (EUCS) memiliki korelasi yang lebih kuat terhadap kelulusan tepat waktu dibandingkan nilai akademik IPK.Model ini menunjukkan stabilitas yang baik dengan selisih kecil antara training loss dan validation loss, menandakan pencegahan overfitting yang efektif.

Penelitian lanjutan dapat dilakukan dengan memperluas cakupan data, tidak hanya terbatas pada IPK dan kepuasan e-learning, tetapi juga mempertimbangkan faktor-faktor lain seperti latar belakang sosial ekonomi mahasiswa, partisipasi dalam kegiatan ekstrakurikuler, dan dukungan dari keluarga. Selain itu, eksplorasi algoritma machine learning lain selain ANN, seperti Random Forest atau Support Vector Machine, dapat dilakukan untuk membandingkan performa dan menemukan model yang lebih optimal. Terakhir, penelitian dapat difokuskan pada pengembangan sistem rekomendasi berbasis AI yang memberikan saran personal kepada mahasiswa mengenai strategi belajar yang efektif untuk meningkatkan peluang kelulusan tepat waktu, dengan mempertimbangkan profil akademik dan preferensi belajar masing-masing individu.

  1. Prediction of the Critical Temperature of Superconductors Based on Two-Layer Feature Selection and the... pubs.acs.org/doi/10.1021/acsomega.2c06324Prediction of the Critical Temperature of Superconductors Based on Two Layer Feature Selection and the pubs acs doi 10 1021 acsomega 2c06324
  2. Analisis Permintaan Barang Habis Pakai Menggunakan Algoritma Apriori dan Artificial Neural Network (Studi... ejournal.unesa.ac.id/index.php/jinacs/article/view/42012Analisis Permintaan Barang Habis Pakai Menggunakan Algoritma Apriori dan Artificial Neural Network Studi ejournal unesa ac index php jinacs article view 42012
  3. Uji Validitas dan Reliabilitas Instrumen Penelitian: Angket Pengalaman Praktik Kerja Lapangan (PKL) pada... doi.org/10.54371/jiip.v8i2.6990Uji Validitas dan Reliabilitas Instrumen Penelitian Angket Pengalaman Praktik Kerja Lapangan PKL pada doi 10 54371 jiip v8i2 6990
Read online
File size621.5 KB
Pages8
DMCAReport

Related /

ads-block-test