Implementasi Data Mining Untuk Klasifikasi Masa Studi Mahasiswa Menggunakan Metode Decision Tree Cart Pada Stti Sony Sugema

Abstract

Prediksi masa studi mahasiswa merupakan salah satu permasalahan klasifikasi yang dapat diselesaikan menggunakan teknik data mining. Kemampuan memprediksi potensi keterlambatan kelulusan sejak dini dapat membantu perguruan tinggi dalam menyusun strategi pembinaan akademik yang lebih efektif berbasis data. Penelitian ini bertujuan membangun model prediksi masa studi mahasiswa menggunakan algoritma Classification and Regression Tree (CART) berdasarkan data akademik dan non-akademik mahasiswa Program Studi Teknik Informatika Sekolah Tinggi Teknologi Informatika (STTI) Sony Sugema. Dataset yang digunakan merupakan data mahasiswa yang telah menyelesaikan studi, dengan atribut seperti indeks prestasi akademik, status pekerjaan, lokasi tempat tinggal, serta karakteristik lain yang berpengaruh terhadap masa studi. Tahapan penelitian meliputi proses data preprocessing, pemilihan atribut, pembentukan model klasifikasi menggunakan algoritma CART, serta evaluasi performa model menggunakan metrik accuracy, precision, recall, dan F1-score. Model prediksi kemudian diimplementasikan dalam aplikasi berbasis web menggunakan bahasa pemrograman Python dengan framework Flask sebagai media pengujian dan pemanfaatan hasil prediksi. Hasil evaluasi menunjukkan bahwa model CART mampu menghasilkan akurasi sebesar 90,14%, precision sebesar 95,96%, recall sebesar 92,96%, dan F1-score sebesar 94,42%. Nilai tersebut menunjukkan bahwa algoritma CART memiliki kemampuan yang baik dalam mengklasifikasikan masa studi mahasiswa. Sistem yang dikembangkan diharapkan dapat mendukung pengambilan keputusan akademik melalui identifikasi dini mahasiswa yang berpotensi mengalami keterlambatan kelulusan sehingga upaya pendampingan dapat dilakukan secara lebih tepat sasaran.