PENERAPAN DECISION TREE C4.5 UNTUK KLASIFIKASI KETEPATAN MAHASISWA LULUS 8 SEMESTER (Studi Kasus : Prodi Teknik Informatika Universitas Trunojoyo Madura)

Kelulusan mahasiswa dalam suatu perguruan tinggi baik negeri maupun swasta menjadi salah satu aspek penilaian akreditasi perguruan tinggi tersebut. Upaya dalam meningkatkan kelulusan mahasiswa, dapat dilakukan dengan memprediksi ketepatan lulus 8 semester atau tidak terhadap mahasiswa sehingga memungkinkan untuk dilakukan pencegahan dini ataupun mengantisipasi bagi mahasiswa yang tergolong lulus lebih dari 8 semester. Algoritma data mining Decission Tree dapat digunakan dalam proses prediksi tersebut. Dalam prosesnya algoritma Decision Tree menggunakan model pohon keputusan untuk menentukan atribut yang menjadi akar pada model pohon keputusan dengan melihat nilai gain yang paling besar dari atribut lain yang ada. Sebelum masuk pada proses Decision Tree data dilakukan proses penyeimbangan balancing data pada jumlah data terlebih dahulu menggunakan teknik Synthetic Minority Oversampling Technique (SMOTE). Kemudian untuk validasi dan pengujian model yang dihasilkan, digunakan algoritma K-Fold Cross Validation dengan nilak k=10, lalu untuk mengukur performa model, digunakan algoritma Confusion Matrix. Dataset yang digunakan dalam penelitian ini adalah data akademik mahasiswa di program studi Teknik Informatika Jurusan Teknik Informatika Universitas Trunojoyo Madura dengan jumlah data 849, yang mana setelah dilakukan proses balancing menggunakan SMOTE jumlah data menjadi 1030 record data. Pada penelitian ini, peneliti membandingkan hasil akurasi antara data sebelum proses balancing dan setelah balancing. Penelitian ini menghasilkan nilai akurasi data dengan tanpa proses balancing sebesar 94,06% sedangkan data dengan proses balancig sebesar 98,08%,.