Model Klasifikasi IPK Mahasiswa Menggunakan Algoritma Decision Tree dan Random Forest Berbasis Feature Engineering
Indeks Prestasi Kumulatif (IPK) merupakan indikator utama dalam menilai keberhasilan akademik mahasiswa. Berbagai faktor, termasuk kesehatan mental dan fisik, berkontribusi terhadap pencapaian ini. Penelitian ini bertujuan untuk membangun model prediksi IPK menggunakan algoritma Decision Tree dan Ra...
Saved in:
| Main Authors: | , , , , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
Universitas Dian Nuswantoro
2025-05-01
|
| Series: | Techno.Com |
| Online Access: | https://publikasi.dinus.ac.id/index.php/technoc/article/view/12384 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1849735632066183168 |
|---|---|
| author | Muhammad Aditya Firman Said Azka Fauzan Djamalilleil Wilman Zega Lusiana Efrizoni Rahmaddeni Rahmaddeni |
| author_facet | Muhammad Aditya Firman Said Azka Fauzan Djamalilleil Wilman Zega Lusiana Efrizoni Rahmaddeni Rahmaddeni |
| author_sort | Muhammad Aditya Firman |
| collection | DOAJ |
| description | Indeks Prestasi Kumulatif (IPK) merupakan indikator utama dalam menilai keberhasilan akademik mahasiswa. Berbagai faktor, termasuk kesehatan mental dan fisik, berkontribusi terhadap pencapaian ini. Penelitian ini bertujuan untuk membangun model prediksi IPK menggunakan algoritma Decision Tree dan Random Forest berbasis Feature Engineering. Proses feature engineering mencakup feature selection untuk memilih fitur paling relevan, diikuti oleh feature extraction yang menyederhanakan fitur menjadi dua kategori utama: kesehatan mental dan fisik. Data diperoleh melalui survei terhadap 7.022 mahasiswa dari berbagai universitas luar negeri, mencakup faktor usia, jurusan, tingkat stres, kecemasan, serta pola tidur, aktivitas fisik dan lain sebagainya. Model prediksi dikembangkan menggunakan Decision Tree dan Random Forest, dengan evaluasi akurasi kedua algoritma. Hasil penelitian menunjukkan bahwa Random Forest memiliki akurasi lebih tinggi dibandingkan Decision Tree. Faktor kesehatan mental, terutama tingkat stres, memiliki pengaruh signifikan terhadap prediksi IPK, disusul oleh pola tidur. Studi ini menegaskan bahwa pemantauan kesehatan mental dan fisik mahasiswa dapat meningkatkan pencapaian akademik. Temuan ini diharapkan dapat membantu institusi pendidikan dalam merancang strategi dukungan akademik berbasis kesehatan mahasiswa.
Kata Kunci: Indeks Prestasi Kumulatif (IPK), Machine Learning, Decision Tree, Random Forest, Feature Engineering |
| format | Article |
| id | doaj-art-ca393e38a852494aa28f2eeaa82d88c3 |
| institution | DOAJ |
| issn | 2356-2579 |
| language | Indonesian |
| publishDate | 2025-05-01 |
| publisher | Universitas Dian Nuswantoro |
| record_format | Article |
| series | Techno.Com |
| spelling | doaj-art-ca393e38a852494aa28f2eeaa82d88c32025-08-20T03:07:31ZindUniversitas Dian NuswantoroTechno.Com2356-25792025-05-0124239140410.62411/tc.v24i2.1238417891Model Klasifikasi IPK Mahasiswa Menggunakan Algoritma Decision Tree dan Random Forest Berbasis Feature EngineeringMuhammad Aditya Firman0Said Azka Fauzan Djamalilleil1Wilman Zega2Lusiana Efrizoni3Rahmaddeni Rahmaddeni4Universitas Sains dan Teknologi Indonesia, Riau, IndonesiaUniversitas Sains dan Teknologi Indonesia, Riau, IndonesiaUniversitas Sains dan Teknologi Indonesia, Riau, IndonesiaUniversitas Sains dan Teknologi Indonesia, Riau, IndonesiaUniversitas Sains dan Teknologi Indonesia, Riau, IndonesiaIndeks Prestasi Kumulatif (IPK) merupakan indikator utama dalam menilai keberhasilan akademik mahasiswa. Berbagai faktor, termasuk kesehatan mental dan fisik, berkontribusi terhadap pencapaian ini. Penelitian ini bertujuan untuk membangun model prediksi IPK menggunakan algoritma Decision Tree dan Random Forest berbasis Feature Engineering. Proses feature engineering mencakup feature selection untuk memilih fitur paling relevan, diikuti oleh feature extraction yang menyederhanakan fitur menjadi dua kategori utama: kesehatan mental dan fisik. Data diperoleh melalui survei terhadap 7.022 mahasiswa dari berbagai universitas luar negeri, mencakup faktor usia, jurusan, tingkat stres, kecemasan, serta pola tidur, aktivitas fisik dan lain sebagainya. Model prediksi dikembangkan menggunakan Decision Tree dan Random Forest, dengan evaluasi akurasi kedua algoritma. Hasil penelitian menunjukkan bahwa Random Forest memiliki akurasi lebih tinggi dibandingkan Decision Tree. Faktor kesehatan mental, terutama tingkat stres, memiliki pengaruh signifikan terhadap prediksi IPK, disusul oleh pola tidur. Studi ini menegaskan bahwa pemantauan kesehatan mental dan fisik mahasiswa dapat meningkatkan pencapaian akademik. Temuan ini diharapkan dapat membantu institusi pendidikan dalam merancang strategi dukungan akademik berbasis kesehatan mahasiswa. Kata Kunci: Indeks Prestasi Kumulatif (IPK), Machine Learning, Decision Tree, Random Forest, Feature Engineeringhttps://publikasi.dinus.ac.id/index.php/technoc/article/view/12384 |
| spellingShingle | Muhammad Aditya Firman Said Azka Fauzan Djamalilleil Wilman Zega Lusiana Efrizoni Rahmaddeni Rahmaddeni Model Klasifikasi IPK Mahasiswa Menggunakan Algoritma Decision Tree dan Random Forest Berbasis Feature Engineering Techno.Com |
| title | Model Klasifikasi IPK Mahasiswa Menggunakan Algoritma Decision Tree dan Random Forest Berbasis Feature Engineering |
| title_full | Model Klasifikasi IPK Mahasiswa Menggunakan Algoritma Decision Tree dan Random Forest Berbasis Feature Engineering |
| title_fullStr | Model Klasifikasi IPK Mahasiswa Menggunakan Algoritma Decision Tree dan Random Forest Berbasis Feature Engineering |
| title_full_unstemmed | Model Klasifikasi IPK Mahasiswa Menggunakan Algoritma Decision Tree dan Random Forest Berbasis Feature Engineering |
| title_short | Model Klasifikasi IPK Mahasiswa Menggunakan Algoritma Decision Tree dan Random Forest Berbasis Feature Engineering |
| title_sort | model klasifikasi ipk mahasiswa menggunakan algoritma decision tree dan random forest berbasis feature engineering |
| url | https://publikasi.dinus.ac.id/index.php/technoc/article/view/12384 |
| work_keys_str_mv | AT muhammadadityafirman modelklasifikasiipkmahasiswamenggunakanalgoritmadecisiontreedanrandomforestberbasisfeatureengineering AT saidazkafauzandjamalilleil modelklasifikasiipkmahasiswamenggunakanalgoritmadecisiontreedanrandomforestberbasisfeatureengineering AT wilmanzega modelklasifikasiipkmahasiswamenggunakanalgoritmadecisiontreedanrandomforestberbasisfeatureengineering AT lusianaefrizoni modelklasifikasiipkmahasiswamenggunakanalgoritmadecisiontreedanrandomforestberbasisfeatureengineering AT rahmaddenirahmaddeni modelklasifikasiipkmahasiswamenggunakanalgoritmadecisiontreedanrandomforestberbasisfeatureengineering |