ANALISIS KLASIFIKASI PERFORMA MAHASISWA DENGAN RANDOM FOREST

Performa mahasiswa merupakan hasil dari kegiatan belajar mengajar yang telah diikuti oleh mahasiswa setelah masa perkuliahan dilaksanakan. Mahasiswa yang memiliki tingkat prestasi akademik yang rendah dapat mengakibatkan siswa tersebut putus sekolah. Berbagai faktor mempengaruhi tingkat prestasi akademik siswa tersebut. Penelitian ini bertujuan untuk melakukan prediksi prestasi akademik mahasiswa. Metode yang digunakan meliputi, tahapan pengumpulan data, preprocessing data, pemilihan fitur, klasifikasi, dan analisis hasil. Pemilihan fitur dalam pengujian algoritma Random Forest (RF) menggunakan klasifikasi information gain (IG). Hasil penelitian ini didapat atribut yang terpilih yang berpengaruh terhadap performa prestasi akademik mahasiswa adalah scholarship type, grade, cumulative grade point average in last semester, course id, impact of your project/activities on your succes, expected cumulative grade point average in last semester, sex, preparation to midterm exams 2, attendance to the seminars/conferences). Penggunaan metode seleksi fitur Information Gain meningkatkan tingkat akurasi metode klasifikasi Random Forest sebanyak 7,15% pada evaluasi train�test dan 2,07% pada evaluasi k-fold cross validation. Tingkat akurasi metode random forest yaitu 91,72% dan 92,41% untuk masing-masing nilai k=5 dan nilai k=10. Hasil dari penelitian ini menunjukkan bahwa implementasi Teknik seleksi fitur menggunakan metode information gain bisa meningkatkan tingkat akurasi karena fitur yang tidak relevan terhadap target klasifikasi telah berkurang.