Aplikasi Prediksi Tingkat Kelulusan Mahasiswa Berdasarkan Data Akademik dan Demografi Menggunakan Algoritma Klasifikasi Random Forest

Muhammad Arief Rachman; Dinar Ridho Maulana; Billianto Timothy; Riski  Annisa

Authors

Muhammad Arief Rachman, Universitas Bina Sarana Informatika, Indonesia
Dinar Ridho Maulana, Universitas Bina Sarana Informatika, Indonesia
Billianto Timothy, Universitas Bina Sarana Informatika, Indonesia
Riski Annisa, Universitas Bina Sarana Informatika, Indonesia

Keywords:

Prediksi Kelulusan, Data Mining, Random Forest, Klasifikasi, Streamlit

Abstract

Ketepatan waktu kelulusan mahasiswa merupakan indikator mutu krusial bagi perguruan tinggi, namun pemanfaatan data akademik untuk langkah preventif masih sangat terbatas. Selain itu, terdapat kesenjangan penelitian berupa kurangnya implementasi praktis model prediksi dalam bentuk antarmuka yang siap digunakan oleh manajemen institusi untuk intervensi harian. Penelitian ini bertujuan untuk mengembangkan Sistem Peringatan Dini Akademik proaktif melalui prediksi tingkat kelulusan mahasiswa menggunakan algoritma Random Forest (RF). Data sekunder yang digunakan mencakup 27 variabel prediktor yang mengintegrasikan fitur akademik dan demografi ke dalam klasifikasi status biner. Hasil pengujian menunjukkan performa model yang sangat efektif dengan pencapaian akurasi sebesar 94,44%, serta nilai presisi (0,97) dan recall (0,97) yang sangat andal. Sebagai kontribusi utama, model prediksi ini diimplementasikan ke dalam aplikasi web interaktif berbasis Streamlit untuk menjamin kegunaan praktis dan intuitif bagi pengambil kebijakan. Penelitian ini menyimpulkan bahwa penyediaan sistem peringatan dini yang terintegrasi secara praktis memungkinkan institusi melakukan intervensi personal secara real-time guna membantu mahasiswa menyelesaikan studi tepat waktu secara humanis.

Downloads

Download data is not yet available.

References

L. R. Pelima, Y. Sukmana, and Y. Rosmansyah, “Predicting University Student Graduation Using Academic Performance and Machine Learning: A Systematic Literature Review,” IEEE Access, vol. 12, no. January, pp. 23451–23465, 2024, doi: 10.1109/ACCESS.2024.3361479.

D. Cahyani, D. Rachmatullah, D. Akbar, H. Malik, K. A. Akhmallahudin, and M. Fansyuri, “Data Mining Menggunakan Algoritma Decision Tree untuk Menentukan Kelulusan Mahasiswa dengan RapidMiner,” vol. 1, no. 1, pp. 113–117, 2025, [Online]. Available: file:///C:/Users/User/Downloads/Artikel_DataMiningMenggunakanAlgoritmaDecisionTreeuntukMenentukanKelulusanMahasiswadenganRapidMiner_JITIE.pdf

J. Kuswanto and L. Hakim, “Penerapan Algoritma Random Forest untuk memprediksi Performa Akademik Mahasiswa,” Decod. J. Pendidik. Teknol. Inf., vol. 5, no. 1, pp. 262–270, 2025, doi: 10.51454/decode.v5i1.1103.

A. Asro, J. Chaidir, C. Cahairuddin, and J. Friadi, “Evaluasi Kinerja Algoritma Klasifikasi dalam Studi Kasus Prediksi Kelulusan di Universitas XYZ,” Zo. Tek. J. Ilm., vol. 19, no. 1, pp. 15–22, 2025, doi: 10.37776/zt.v19i1.1674.

E. R. B. Sebayang, Y. H. Chrisnanto, and Melina, “Klasifikasi Data Kesehatan Mental di Industri Teknologi Menggunakan Algoritma Random Forest,” IJESPG J., vol. 1, no. 3, pp. 237–253, 2023.

K. B. Pso, I. Irawan, M. R. Qisthiano, M. Syahril, and P. M. Jakak, “Optimasi Prediksi Kelulusan Tepat Waktu : Studi Perbandingan Algoritma Random Forest dan Algoritma,” vol. 4, no. 4, pp. 26–36, 2023.

F. Budi Kurniawan and L. Farokhah, “Aplikasi Cerdas Prediksi Kelulusan Mahasiswa Berbasis Website Menggunakan Metode Support Vector Machine (SVM),” J. Fasilkom, vol. 15, no. 1, pp. 155–162, 2025, doi: 10.37859/jf.v15i1.8767.

J. M. Polgan et al., “Optimasi Prediksi Kelulusan Mahasiswa Menggunakan Random Forest untuk Meningkatkan Tingkat Retensi,” vol. 13, pp. 2364–2374, 2025.

R. Agustia, A. A. Supianto, and N. H. Wardani, “Aplikasi Data Mining menggunakan Algoritme Naive Bayes untuk Memprediksi Ketepatan Waktu Lulus Mahasiswa,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 7, pp. 2548–964, 2019, [Online]. Available: http://j-ptiik.ub.ac.id

H. Andrianof, A. P. Gusman, O. A. Putra, and A. Info, “Jurnal Sains Informatika Terapan ( JSIT ),” pp. 24–28, 2025.

M. R. Qisthiano, P. A. Prayesy, and I. Ruswita, “Penerapan Algoritma Decision Tree dalam Klasifikasi Data Prediksi Kelulusan Mahasiswa,” G-Tech J. Teknol. Terap., vol. 7, no. 1, pp. 21–28, 2023, doi: 10.33379/gtech.v7i1.1850.

D. Septhya, K. Rahayu, S. Rabbani, and V. Fitria, “Implementation of Decision Tree Algorithm and Support Vector Machine for Lung Cancer Classification Implementasi Algoritma Decision Tree dan Support Vector Machine untuk Klasifikasi Penyakit Kanker Paru,” vol. 3, no. April, pp. 15–19, 2023.

Y. Yati, M. Ainol Yaqin, and A. Yusrotun Nadhiroh, “Application of The Support Vector Machine Algorithm for Timely Student Graduation Prediction Based on Streamlit Web at The Faculty of Informatics Engineering Nurul Jadid University,” J. Comput. Networks, Archit. High Perform. Comput., vol. 6, no. 3, pp. 1066–1070, 2024, doi: 10.47709/cnahpc.v6i3.3918.

J. Jurnal and T. Informasi, “Prediksi kelulusan mahasiswa menggunakan machine learning,” vol. 16, no. 2, pp. 36–39, 2025.

S. Junaidi, R. V. Anggela, and D. Kariman, “JOURNAL OF APPLIED COMPUTER SCIENCE AND TECHNOLOGY ( JACOST ) Klasifikasi Metode Data Mining untuk Prediksi Kelulusan Tepat Waktu Mahasiswa dengan Algoritma Naïve Bayes , Random Forest , Support Vector Machine ( SVM ) dan Artificial Neural Nerwork ( ANN ),” vol. 5, no. 1, pp. 109–119, 2024.