Penggunaan komputer yang luas telah menghasilkan akumulasi dataset pendidikan
yang luas dan beragam, mendorong perkembangan Education Data Mining (EDM),
sebuah bidang penelitian yang berfokus pada analisis dataset pendidikan. EDM
berperan penting dalam memahami fenomena pendidikan dan memprediksi hasil
seperti kinerja, keterlibatan, dan tingkat putus sekolah. Retensi mahasiswa
merupakan tantangan signifikan bagi institusi pendidikan tinggi, dan memprediksi
kinerja mahasiswa sangat penting untuk meningkatkan tingkat retensi dan kualitas
pendidikan secara keseluruhan. Meskipun banyak penelitian telah mencoba
mengklasifikasikan performa nilai akhir mata kuliah mahasiswa, masih terdapat
celah yang dapat diisi oleh penelitian baru. Penelitian ini bertujuan untuk
merancang dan mengembangkan sistem klasifikasi performa nilai akhir mata kuliah
mahasiswa menggunakan aktivitas LMS pada berbagai durasi perkuliahan,
khususnya untuk mengidentifikasi mahasiswa yang berisiko tinggi mengalami
putus studi. Untuk menentukan algoritma klasifikasi yang paling efektif, penelitian
ini melakukan eksperimen terhadap lima algoritma klasifikasi, yaitu Support Vector
Machine (SVM), Naïve Bayes (NB), Random Forest (RF), Gradient Boost (GB),
dan Extra Trees. Hasil penelitian menunjukkan bahwa algoritma SVM secara
akurat memprediksi mahasiswa yang berisiko pada akhir semester dengan tingkat
keberhasilan sebesar 89%. Ketika analisis data yang diperoleh pada minggu ke-4,
8, dan 12 dilakukan untuk mengklasifikasikan apakah performa nilai akhir mata
kuliah mahasiswa pada akhir semester dapat diprediksi pada minggu-minggu awal,
ditemukan bahwa waktu optimal untuk melakukan klasifikasi performa nilai akhir
mata kuliah mahasiswa adalah pada minggu ke-8. Studi ini juga menyoroti bahwa
faktor-faktor akademik seperti kuis, praktikum, dan ujian memiliki dampak besar
terhadap performa nilai akhir mata kuliah mahasiswa, sementara interaksi dalam
Learning Management System (LMS) memiliki pengaruh yang lebih rendah.
Dengan demikian, penelitian ini diharapkan dapat memberikan kontribusi penting
dalam upaya meningkatkan retensi mahasiswa dan kualitas pendidikan di
perguruan tinggi.