Analisis Prediksi Performa Akademik Menggunakan Algoritma Decision Tree (Studi Kasus: Prodi S1 Sistem Informasi Universitas Telkom)

Abstract

Peningkatan kualitas pendidikan dan hasil belajar
menjadi tujuan utama sistem pendidikan, termasuk mengetahui
performa akademik mahasiswa sejak dini. Jalur seleksi masuk
perguruan tinggi terbukti berpengaruh terhadap perbedaan
prestasi belajar dan dapat dijadikan faktor dalam memantau
performa akademik mahasiswa. Penelitian ini menggunakan
algoritma Decision Tree untuk memprediksi performa
mahasiswa Prodi S1 Sistem Informasi Universitas Telkom
berdasarkan data histori akademik angkatan 2017-2019 yang
dikumpulkan melalui sistem informasi akademik resmi, yaitu
iGRACIAS. Proses pengolahan data mencakup tahap data
preparation, training, dan testing dengan penanganan
ketidakseimbangan data menggunakan Synthetic Minority
Oversampling Technique (SMOTE). Evaluasi performansi
model dilakukan menggunakan confusion matrix untuk
mengukur akurasi, presisi, recall, dan f1-score. Dari
perhitungan confusion matrix, hasil penelitian menunjukkan
bahwa baik model dengan maupun tanpa penanganan SMOTE
menghasilkan akurasi 66%, namun terdapat perbedaan pada
hasil metrik di kelas "Memuaskan", yaitu recall yang
meningkat dari 50% menjadi 67%. Selain itu, evaluasi
menggunakan k-fold cross validation menunjukkan perbedaan
yang signifikan, dengan akurasi sebelum menggunakan
SMOTE sebesar 66%, sementara setelah menggunakan
SMOTE, akurasi meningkat menjadi 84%. Penelitian ini juga
melakukan deployment dengan membangun sistem input
sederhana menggunakan Streamlit untuk memudahkan
pengguna dalam memprediksi performa akademik mahasiswa.
Penelitian ini memberikan kontribusi dalam mendukung
pengambilan keputusan akademik untuk meningkatkan
pemahaman terhadap performa mahasiswa.

Kata kunci— Performa Akademik, Decision Tree, Data
Mining