Perpustakaan Digital ITB

Terlambatnya mahasiswa lulus dari perguruan tinggi dapat menimbulkan berbagai masalah, baik bagi mahasiswa itu sendiri maupun bagi perguruan tinggi sebagai penyelenggara program studi. Agar dapat mengantisipasi terlambatnya kelulusan mahasiswa ini, terdapat beberapa penelitian yang telah membangun model prediksi untuk menentukan perkiraan masa studi mahasiswa. Namun, sebagian besar dari penelitian-penelitian tersebut hanya mengkategorikan kelulusan mahasiswa menjadi dua kategori, lulus tepat waktu dan tidak lulus tepat waktu. Data yang digunakan pada penelitian-penelitian tersebut hanya menggunakan data yang berkaitan dengan kegiatan akademik mahasiswa. Padahal bisa saja kegiatan non-akademik juga memengaruhi masa studi mahasiswa. Penelitian ini bertujuan untuk membangun model prediksi masa studi mahasiswa. Hasil prediksi terbagi ke dalam tiga kategori yaitu lulus awal waktu, lulus tepat waktu, dan lulus terlambat. Data yang digunakan sebagai sumber untuk pembangunan model adalah data yang berkaitan dengan kegiatan akademik dan non-akademik mahasiswa selama menjalani perkuliahan. Model prediksi ini akan digunakan pada perangkat lunak yang menghasilkan luaran berupa hasil prediksi masa studi mahasiswa yang terbagi ke dalam tiga kategori. Algoritme yang digunakan pada pembangunan model adalah random forest regression beserta multiple linear regression. Kedua algoritme tersebut akan dibandingkan kinerjanya menggunakan ukuran kinerja akurasi dan mean squared error. Berdasarkan kedua ukuran kinerja tersebut, algoritme random forest regression lebih baik jika dibandingkan dengan multiple linear regression.