Predicting On-time Graduation based on Student Performance in Core Introductory Computing Courses using Decision Tree Algorithm

Abstract

Studi ini ditujukan untuk mengembangkan model yang akan memprediksi apakah seorang siswa akan lulus tepat waktu berdasarkan performa akademik mereka dalam mata kuliah pengantar komputasi. Metode: Proses data mining pendidikan digunakan dalam penelitian ini. Prosesnya dimulai dengan pengumpulan data pendidikan dan diakhiri dengan evaluasi model yang dikembangkan. Penelitian ini menggunakan decision tree algorithm. Temuan: Evaluasi model menghasilkan akurasi pengklasifikasian hingga 88,9% di mana jumlah total jawaban "Ya" (siswa yang lulus tepat waktu) adalah 52,49 yang diklasifikasikan dengan benar dan 3 salah diklasifikasikan sebagai "Tidak" dalam prediksi dan jumlah total jawaban "Tidak" (siswa yang tidak lulus tepat waktu) adalah 20,15 di antaranya diklasifikasikan dengan benar dan 5 salah diklasifikasikan dalam prediksi. Kesimpulan: Hasil penelitian dapat digunakan sebagai masukan dalam penyusunan bahan ajar baru dan perbaikan kurikulum yang akan membantu meningkatkan kinerja mahasiswa pada mata kuliah manajemen basis data. Model juga dapat digunakan sebagai alat untuk membantu mahasiswa lulus tepat waktu.