<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Perbandingan Performa Algoritma Gradient Boosting untuk Prediksi Awal Ketepatan Waktu Kelulusan Mahasiswa Berbasis Data Akademik hingga Semester Enam

Loading...
Thumbnail Image

Date

Journal Title

Journal ISSN

Volume Title

Publisher

Universitas Islam Indonesia

DOI

Abstract

Ketepatan waktu kelulusan mahasiswa merupakan salah satu indikator penting dalam evaluasi pendidikan tinggi karena berkaitan dengan efisiensi masa studi dan kinerja program studi. Penelitian ini bertujuan untuk membangun model prediksi awal ketepatan waktu kelulusan mahasiswa berdasarkan data akademik hingga semester enam menggunakan algoritma klasifikasi berbasis gradient boosting. Data yang digunakan berasal dari mahasiswa Program Studi Informatika Universitas Islam Indonesia angkatan 2019, 2020, dan 2021. Setelah proses pembersihan data, dataset yang digunakan berjumlah 370 data mahasiswa dengan distribusi kelas seimbang, yaitu 185 mahasiswa lulus terlambat dan 185 mahasiswa lulus tepat waktu. Tahapan penelitian meliputi data cleaning, data splitting, feature engineering, feature selection menggunakan korelasi Pearson, optimasi hyperparameter, optimasi threshold, evaluasi model, dan demonstrasi model menggunakan Streamlit. Model yang dibandingkan adalah Histogram-Based Gradient Boosting (HGB), Extreme Gradient Boosting (XGB), dan Light Gradient Boosting Machine (LGBM). Hasil evaluasi menunjukkan bahwa XGB memperoleh performa terbaik pada data uji dengan accuracy sebesar 0,7973, precision sebesar 0,8056, recall sebesar 0,7838, macro F1-score sebesar 0,7973, dan AUC ROC sebesar 0,8145. Analisis permutation feature importance menunjukkan bahwa fitur beban SKS dan dinamika capaian IP berkontribusi terhadap hasil prediksi. Berdasarkan hasil tersebut, XGB dipilih sebagai model terbaik untuk prediksi awal ketepatan waktu kelulusan mahasiswa.

Description

Citation

Endorsement

Review

Supplemented By

Referenced By