PENERAPAN SELEKSI FITUR INFORMATION GAIN RATIO DAN ALGORITMA RANDOM FOREST UNTUK PREDIKSI KELULUSAN MAHASISWA TEKNIK INFORMATIKA UIN SUSKA RIAU

Abstrak / Ringkasan

Kelulusan mahasiswa merupakan salah satu penilaian dalam proses akreditasi perguruan tinggi. Permasalahan kelulusan ini menjadi sangat penting dalam menunjukkan kualitas dari belajar mengajar di perguruan tinggi tersebut. Hal ini juga berlaku pada program studi Teknik Informatika Universtias Islam Negeri Sultran Syarif Kasim Riau. Faktor penyebab mahasiswa lulus terlambat yaitu mahasiswa yang kurang mampu membagi waktu antara kuliah dan bekerja, kelalaian mahasiswa dalam menuntuskan kerja praktek dan tugas akhir, mengulang mata kuliah, lupa mengambil mata kuliah tertentu dan masalah pribadi seperti masalah keluarga dan masalah kesehatan. Untuk mengatasi permasalahan ini dilakukan sebuah penelitian untuk memprediksi kelulusan mahasiswa. Penelitian ini menerapkan metode seleksi fitur Information Gain Ratio, algoritma klasifikasi Random Forest dan metode pembagian data menjadi data training dan data testing menggunakan metode split validation. Hasil seleksi dengan 7 atribut terbaik diantaranya nilai sistem Informasi, metode numerik, basis data, rekayasa perangkat lunak, keamanan informasi, pemrograman bergerak, dan matematika diskrit. Pengujian akurasi menghasilkan akurasi 90,74% dengan menggunakan 50 dan 200 pohon klasifikasi Random Forest dan rasio perbandingan 90:10, untuk proses tanpa menggunakan seleksi fitur dan akurasi 92,59% dengan menggunakan 25, 50, 100 dan 200 pohon klasifikasi Random Forest dan rasio perbandingan 90:10. Seleksi fitur dapat meninggkatkan akurasi sebesar 1,85%

Topik Terkait

Sitasi