Implementasi Algoritma Machine Learning untuk Prediksi Keberhasilan Mahasiswa di Program Studi Teknik Informatika

Abstract

Tingginya angka drop out (DO) menjadi salah satu permasalahan signifikan yang dihadapi institusi pendidikan tinggi, yang berdampak pada mahasiswa, institusi, dan kualitas sumber daya manusia secara umum. Penelitian ini bertujuan untuk mengimplementasikan algoritma machine learning, khususnya Support Vector Machine (SVM), untuk membangun model prediksi yang mampu mengidentifikasi mahasiswa yang berisiko mengalami DO di Program Studi Teknik Informatika. Metode penelitian mencakup beberapa tahapan, mulai dari studi literatur, pengumpulan data akademik dan non-akademik, preprocessing data, pemodelan dengan SVM, hingga evaluasi model. Dataset yang digunakan dalam penelitian ini terdiri dari 989 data mahasiswa yang mencakup tujuh fitur prediktor seperti IPK, kehadiran, penghasilan orang tua, dan motivasi belajar. Data tersebut dibagi menjadi 80% data latih dan 20% data uji. Hasil pengujian menunjukkan bahwa model SVM dengan kernel linear berhasil mencapai akurasi sebesar 88.89%, dengan nilai precision dan recall yang tinggi untuk kelas mahasiswa DO. Hasil ini mengindikasikan bahwa model yang dikembangkan cukup efektif dan dapat diandalkan sebagai alat bantu bagi pihak akademik untuk melakukan intervensi dini dan mengurangi angka DO.