Melola Discovery

← Melola Discovery

Open access Journal SINTA 2

Perbandingan Model Prediksi Kelulusan Mahasiswa Menggunakan Algoritma Decision Tree dan Naive Bayes

Decode: Jurnal Pendidikan Teknologi Informasi · Vol. 5 No. 2 (2025) · pp. 666–672

DOI
10.51454/decode.v5i2.1230
ISSN
2775-1813, 2775-2984
Published
2025-07-31
Publisher
Universitas Muhammadiyah Kendari
License
creativecommons.org/licenses/by-sa/4.0/

Abstract

Kelulusan mahasiswa merupakan salah satu indikator utama kinerja perguruan tinggi yang dipengaruhi oleh berbagai faktor akademik dan non-akademik. Penelitian ini bertujuan untuk membangun model prediksi kelulusan mahasiswa menggunakan pendekatan machine learning dengan membandingkan kinerja tiga algoritma, yaitu Decision Tree, dan Naive Bayes. Dataset yang digunakan berjumlah 200 data mahasiswa, dengan variabel prediktor yang meliputi IPK kumulatif, jumlah SKS, tingkat kehadiran, jumlah remedial, status beasiswa, keaktifan organisasi, serta latar belakang ekonomi. Hasil penelitian menunjukkan bahwa algoritma Decision Tree memberikan performa terbaik dengan akurasi sebesar 93%, precision 94%, recall 95%, dan F1-Score 94%. sedangkan Naive Bayes memperoleh akurasi 88%. Faktor-faktor utama yang mempengaruhi kelulusan mahasiswa berdasarkan model Decision Tree adalah IPK, tingkat kehadiran, jumlah pengulangan mata kuliah, serta keaktifan organisasi dan status beasiswa. Model yang dihasilkan diharapkan dapat digunakan sebagai alat bantu pengambilan keputusan bagi perguruan tinggi dalam melakukan monitoring akademik dan deteksi dini mahasiswa yang berpotensi mengalami keterlambatan kelulusan.

Collaboration network of the authors

21 authors · 64 co-authorship links · 19 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Universitas Airlangga
  • Universitas Indo Global Mandiri
  • Indonesia Open University
  • Sriwijaya University
  • Universitas Bhakti Pertiwi Indonesia
  • University of Technology Malaysia
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Ajeng OktaviyaniUniversitas Indo Global Mandiri1
Agustina HeryatiUniversitas Indo Global Mandiri1
Dewi SartikaUniversitas Indo Global Mandiri1
Hartati HartatiIndonesia Open University1
Iisnawati IisnawatiSriwijaya University1
Teguh TeguhIndonesia Open University1
Ensiwi MunarsihUniversitas Bhakti Pertiwi Indonesia1
Faradillah FaradillahUniversitas Indo Global Mandiri1
Leriza Desitama AnggrainiUniversitas Indo Global Mandiri1
Anita YuliatiUniversitas Airlangga1
Elly MunadzirohUniversitas Airlangga1
Titien Hary AgustantinaUniversitas Airlangga1
Devi RiantiUniversitas Airlangga1
Asti MeizariniUniversitas Airlangga1
Alqomariyah Eka PurnamasariUniversitas Airlangga1
Rifayinqa Ruyani PutriUniversitas Airlangga1
Noor Zain Salsabilla PrabowoUniversitas Airlangga1
Ardiyansyah SyahromUniversity of Technology Malaysia1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

This record comes from Crossref (what the publisher deposited), because the journal's own OAI-PMH endpoint could not be harvested.

Metadata source: Crossref API (cadangan, berdasarkan ISSN) https://api.crossref.org/journals/2775-1813/works, first harvested 26 Oct 2026, last seen 15 Nov 2026.
Metadata as oai_dc, converted from Crossref
<oai_dc:dc xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/"><dc:title>Perbandingan Model Prediksi Kelulusan Mahasiswa Menggunakan Algoritma Decision Tree dan Naive Bayes</dc:title><dc:creator>Faradillah</dc:creator><dc:creator>Alie, Muhammad Fadhiel</dc:creator><dc:creator>Saluza, Imelda</dc:creator><dc:description>&lt;jats:p&gt;Kelulusan mahasiswa merupakan salah satu indikator utama kinerja perguruan tinggi yang dipengaruhi oleh berbagai faktor akademik dan non-akademik. Penelitian ini bertujuan untuk membangun model prediksi kelulusan mahasiswa menggunakan pendekatan machine learning dengan membandingkan kinerja tiga algoritma, yaitu Decision Tree, dan Naive Bayes. Dataset yang digunakan berjumlah 200 data mahasiswa, dengan variabel prediktor yang meliputi IPK kumulatif, jumlah SKS, tingkat kehadiran, jumlah remedial, status beasiswa, keaktifan organisasi, serta latar belakang ekonomi. Hasil penelitian menunjukkan bahwa algoritma Decision Tree memberikan performa terbaik dengan akurasi sebesar 93%, precision 94%, recall 95%, dan F1-Score 94%. sedangkan Naive Bayes memperoleh akurasi 88%. Faktor-faktor utama yang mempengaruhi kelulusan mahasiswa berdasarkan model Decision Tree adalah IPK, tingkat kehadiran, jumlah pengulangan mata kuliah, serta keaktifan organisasi dan status beasiswa. Model yang dihasilkan diharapkan dapat digunakan sebagai alat bantu pengambilan keputusan bagi perguruan tinggi dalam melakukan monitoring akademik dan deteksi dini mahasiswa yang berpotensi mengalami keterlambatan kelulusan.&lt;/jats:p&gt;</dc:description><dc:publisher>Universitas Muhammadiyah Kendari</dc:publisher><dc:date>2025-07-31</dc:date><dc:type>info:eu-repo/semantics/article</dc:type><dc:format>application/pdf</dc:format><dc:identifier>https://doi.org/10.51454/decode.v5i2.1230</dc:identifier><dc:identifier>10.51454/decode.v5i2.1230</dc:identifier><dc:source>Decode: Jurnal Pendidikan Teknologi Informasi; Vol 5 No 2 (2025); 666-672</dc:source><dc:source>2775-1813</dc:source><dc:source>2775-2984</dc:source><dc:relation>https://journal.umkendari.ac.id/decode/article/download/1230/626</dc:relation><dc:rights>https://creativecommons.org/licenses/by-sa/4.0/</dc:rights></oai_dc:dc>