Mengatasi Ketidakseimbangan Kelas dalam Pembelajaran Mesin untuk Memprediksi Kelulusan Mahasiswa Tepat Waktu di Universitas Islam Riau

Efendi, Akmar (2025) Mengatasi Ketidakseimbangan Kelas dalam Pembelajaran Mesin untuk Memprediksi Kelulusan Mahasiswa Tepat Waktu di Universitas Islam Riau. Profesi thesis, Universitas Andalas.

	Text (Cover dan Abstrak) Cover.pdf - Published Version Download (129kB)
	Text (BAB I) BAB I.pdf - Published Version Download (146kB)
	Text (BAB V) BAB V.pdf - Published Version Download (141kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Download (137kB)
	Text (Laporan Lengkap) Laporan Akmar Efendi.pdf - Published Version Restricted to Repository staff only Download (637kB) | Request a copy

Abstract

Kelulusan tepat waktu merupakan indikator penting kinerja akademik di pendidikan tinggi. Namun, masih banyak mahasiswa yang gagal lulus tepat waktu, sehingga mendorong perlunya model prediktif untuk mendukung pengambilan keputusan akademik. Penelitian ini bertujuan untuk menganalisis dampak ketidakseimbangan kelas terhadap kinerja algoritma pembelajaran mesin dalam memprediksi kelulusan mahasiswa di Universitas Islam Riau. Data diperoleh melalui kuesioner dan diberi label menjadi kelas "lulus tepat waktu" dan "tidak tepat waktu", yang awalnya tidak seimbang. Teknik Synthetic Minority Over-Sampling (SMOTE) diterapkan selama prapemrosesan untuk menyeimbangkan dataset. Empat algoritma pembelajaran mesin dibandingkan: Pohon Keputusan, Gaussian Naive Bayes, K-Nearest Neighbors, dan Support Vector Machine. Evaluasi dilakukan dengan dan tanpa SMOTE, menggunakan akurasi, presisi, recall, skor F1, dan matriks konfusi. Hasil menunjukkan peningkatan kinerja yang signifikan setelah menerapkan SMOTE, dengan semua model mencapai akurasi sekitar 99%. SVM mencapai hasil paling stabil di kedua kondisi. Penelitian ini menyoroti efektivitas SMOTE dalam meningkatkan keadilan dan keandalan klasifikasi, terutama pada dataset dengan ketidakseimbangan kelas. Karya ini dapat membantu universitas dalam intervensi dini bagi mahasiswa yang berisiko lulus terlambat.

Actions (login required)

View Item