Prediksi Kelulusan Mahasiswa Menggunakan Algoritma C4.5 dengan RapidMiner: Studi Kasus Data Akademik Perguruan Tinggi XYZ
DOI:
https://doi.org/10.31294/ijcs.v4i2.9647Keywords:
C4.5, prediksi kelulusan, data mining, pohon keputusan, RapidMinerAbstract
Ketepatan waktu kelulusan mahasiswa merupakan indikator penting dalam menilai kualitas dan efektivitas pendidikan tinggi. Keterlambatan kelulusan tidak hanya berdampak pada akreditasi program studi, tetapi juga pada efisiensi manajemen akademik dan kesiapan lulusan menghadapi dunia kerja. Penelitian ini bertujuan membangun model prediksi kelulusan mahasiswa menggunakan algoritma C4.5 berbasis pohon keputusan dengan dukungan perangkat lunak RapidMiner. Dataset yang digunakan terdiri atas 379 entri mahasiswa, yang mencakup atribut demografis (jenis kelamin, umur, status nikah), status mahasiswa, indeks prestasi semester (IPS 1–8), serta indeks prestasi kumulatif (IPK). Proses penelitian meliputi pengumpulan, pembersihan, transformasi data, pemodelan, dan evaluasi performa. Model diuji menggunakan pembagian data 70:30 serta validasi silang (10-fold cross-validation) untuk memastikan keandalan hasil. Hasil pengujian menunjukkan akurasi 97,81% dan nilai AUC 0,991, yang menegaskan kemampuan algoritma C4.5 dalam mengklasifikasikan status kelulusan secara tepat. Temuan ini menunjukkan peningkatan signifikan dibandingkan penelitian sebelumnya dengan algoritma Naïve Bayes (88,16%) dan K-NN (87,8%). Atribut yang paling berpengaruh adalah IPS3, IPS4, IPS5, status pekerjaan, dan umur mahasiswa. Penelitian ini berkontribusi pada pengembangan model prediksi yang tidak hanya akurat, tetapi juga mudah diinterpretasikan, sehingga dapat dimanfaatkan oleh institusi pendidikan dalam menyusun kebijakan intervensi akademik dini bagi mahasiswa berisiko terlambat lulus.
References
Tamimi, A., Octafriyanda, D., Hutagaol, R., Yuhdi, A., Puteri, A., Bahasa, P., Indonesia, S., Bahasa, F., & Seni, D. (2024). Merdeka Belajar: Mewujudkan Pendidikan Berkualitas Melalui Kampus Merdeka di Universitas Negeri Medan. https://jicnusantara.com/index.php/jicn
Bramanda, J. (2025). Klasifikasi Masyarakat Penerima Bantuan Sosial dari Pemerintah dengan Metode Algoritma C4.5. Jurnal Komputer Antartika, 3(1), 34–41. https://doi.org/10.70052/jka.v3i1.234
Khasanah, N., Komarudin, R., Afni, N., Maulana, Y. I., & Salim, A. (2021). Skin Cancer Classification Using Random Forest Algorithm. SISFOTENIKA, 11(2), 137. https://doi.org/10.30700/jst.v11i2.1122
Khasanah, N., Salim, A., Afni, N., Komarudin, R., & Maulana, Y. I. (2022). PREDIKSI KELULUSAN MAHASISWA DENGAN METODE NAIVE BAYES. In Fakultas Teknologi Informasi (Vol. 13, Issue 3).
Khasanah, N., Uki Eka Saputri, D., Aziz, F., Hidayat, T., Nusa Mandiri Jl, U., & Author, C. (2025). Studi Perbandingan Algoritma Random Forest dan K-Nearest Neighbors (KNN) dalam Klasifikasi Gangguan Tidur. In Cipinang Melayu, Kec. Makasar (Vol. 5, Issue 1). http://jurnal.bsi.ac.id/index.php/co-science
Kristen, U., Wacana, S., Tabuni, N., Tri, S., Universitas, S., Wacana, K. S., & Ismanto, B. (2024). Evaluasi Program Beasiswa Bagi Mahasiswa Kabupaten Pegunungan Bintang Menggunakan Model Goal Oriented Evaluation. 11, 245–259.
Maharani Hasan, P., Ayu, N., & Adi Saputra, R. (2024). KLASIFIKASI KERINGANAN UKT MAHASISWA UHO MENGGUNAKAN K-NEAREST NEIGHBOR (KNN). In Jurnal Mahasiswa Teknik Informatika (Vol. 8, Issue 6).
Mantopani, R., Ramadhan, I. L., Samsara, R. P., Samsinar, R., & Elektro, T. (2024). Analisis Perbandingan Decision Tree Dan Algoritma C4.5 Untuk Mengklasifikasikan Penerimaan Mahasiswa Elektro.
Mega Amelia, M., Maulana Fazrin, B., Yosua Panjaitan, Y., Dicky Kurniawan, M., & Khasanah, N. (2025). Implementasi Naive Bayes Untuk Klasifikasi Gangguan Tidur. Journal Computer Science, 4(1).
Putra, H., Nasution, K., & Rilvani, E. (2025). PREDIKSI KELULUSAN MAHASISWA TEPAT WAKTU MENGGUNAKAN DECISION TREE: STUDI PERBANDINGAN ALGORITMA ID3 DAN C4.5. JMA), 3(7), 3031–5220. https://doi.org/10.23887/jpi-undiksha.v10i2.30020
Putri, A., Syaficha Hardiana, C., Novfuja, E., Try Puspa Siregar, F., Fatma, Y., & Wahyuni, R. (2023). Komparasi Algoritma K-NN, Naive Bayes dan SVM untuk Prediksi Kelulusan Mahasiswa Tingkat Akhir. Institut Riset Dan Publikasi Indonesia (IRPI) MALCOM: Indonesian Journal of Machine Learning and Computer Science Journal Homepage, 3(1), 20–26.
Rachardian, S., Sediyono, E., Teknologi Informasi, F., Kristen Satya Wacana Jl Notohamidjojo, U. O., & Tengah, J. (2024). Prediksi kelulusan tepat waktu mahasiswa untuk pemantauan program studi menggunakan metode data mining. AITI: Jurnal Teknologi Informasi, 21(2), 168–182.
Ramadani, P., Fadillah, R., Adawiyah, Q., & Restu Al Ghazali, B. (2024). Perbandingan Algoritma Naïve Bayes, C4.5, dan K-Nearest Neighbor untuk Klasifikasi Kelayakan Program Keluarga Harapan.
Santoso, L., & Priyadi. (2024). Mengoptimalkan Proses Pembersihan Data dalam Analisis Big Data Menggunakan Pipeline Berbasis AI. 17(2). https://doi.org/10.51903/elkom.v17i2.2311
Susiyati, & Sihono. (2025). REFORMASI PERGURUAN TINGGI KEAGAMAAN ISLAM NEGERI MENUJU PENDIDIKAN BERKUALITAS DAN BERDAYA SAING GLOBAL.
Syahriani, S. (2022). Penerapan Data Mining Untuk Menentukan Pola Penjualan Sepatu Menggunakan Metode Algoritma Apriori. Bina Insani ICT Journal, 9(1), 43–52.
Zulfa, A. A., & Arifudin, O. (2025). PERAN SISTEM INFORMASI AKADEMIK BERBASIS WEB DALAM UPAYA MENINGKATKAN EFEKTIVITAS DAN EFISIENSI PENGELOLAAN AKADEMIK DI PERGURUAN TINGGI. In Jurnal Tahsinia (Vol. 6, Issue 1).
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Nurul Khasanah, Daniati Uki Eka Saputri, Taopik Hidayat, Faruq Aziz
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
