PREDIKSI KETEPATAN KELULUSAN MAHASISWA MENGGUNAKAN METODE DECISION TREE BERBASIS PARTICLE SWARM OPTIMATION (PSO)

Arif Rakhman

Abstract


Tingkat penurunan kelulusan mahasiswa yang signifikan dan terus berkembang merupakan masalah yang ada pada perguruan tinggi. Maka dari itu pemantauan atau evaluasi terhadap kecenderungan mahasiswa lulus tepat waktu atau tidak menjadi sangat vital dan hal ini menjadi tugas bagi semua elemen yang ada di institusi perguruan tinggi, sehingga pemaksimalan kinerja harus dilakukan. Banyak faktor yang menyebabkan ketidaktepatan waktu kelulusan mahasiswa tersebut, faktor-faktor tersebut dapat bersumber dari faktor internal dan faktor eksternal .Banyak penelitian yang menggunakan metode decision tree maupun classification tree dalam memprediksi tentang kelulusan tetapi nilai akurasi yang dihasilkan akurasinya masih kurang tinggi. Setelah dilakukan pengujian dengan dua model yaitu Algoritma Decision Tree dan Algoritma Decision Tree berbasis Particle Swarm Optimization (PSO) maka hasil yang didapat adalah Algoritma Decision Tree menghasilkan nilai akurasi sebesar 96,57 % dan nilai AUC sebesar 0.942 dengan tingkat diagnosa Excellent Classification, namun setelah dilakukan penambahan yaitu Algoritma Decision Tree berbasis Particle Swarm Optimization nilai akurasi sebesar 97.19 % dan nilai AUC sebesar 0.969 dengan tingkat diagnosa Excellent Classification. Sehingga kedua metode tersebut memiliki perbedaan tingkat akurasi yaitu sebesar 0.62 dan perbedaan nilai AUC sebesar 0,027.
Kata kunci: Kelulusan, Decision tree, Particle Swarm Optimization


Full Text:



DOI: http://dx.doi.org/10.30591/smartcomp.v6i1.466

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

===========================================================

Smart Comp Indexed By:

Flag Counter

 

View My Stats 

 

 

 

Creative Commons License

 

 

 

This work is licensed under a Creative Commons Attribution 4.0 International License.