Penerapan Metode Rotation Forest dalam Memprediksi Status Kelulusan Mahasiswa FMIPA IPB University

Abstract

Salah satu indikator mutu pendidikan adalah lamanya waktu yang dibutuhkan untuk menyelesaikan studi. Data yang diperoleh dari Dit-AP IPB University menyebutkan masih banyak mahasiswa FMIPA yang belum berhasil menyelesaikan studinya tepat waktu. Hal ini menjadi evaluasi bagi IPB University khususnya mahasiswa FMIPA IPB agar lebih peduli terhadap kelulusan mahasiswanya. Penelitian ini dilakukan untuk memodelkan klasifikasi data mahasiswa FMIPA IPB University tahun 2018, dengan peubah respon yaitu lulus tepat waktu dan lulus tidak tepat waktu dengan profil dan latar belakang mahasiswa sebagai peubah penjelas. Metode klasifikasi yang digunakan adalah rotation forest. Tujuan dari penelitian ini adalah untuk melihat bagaimana tingkat akurasi dalam memprediksi serta mengetahui peubah penting yang mempengaruhi status kelulusan mahasiswa. Dari hasil tersebut dapat disimpulkan bahwa rotation forest mampu memprediksi status kelulusan mahasiswa FMIPA IPB University dengan kinerja yang cukup baik. Metode ini memperoleh nilai akurasi sebesar 69,89% sebelum Synthetic Minority Oversampling Technique (SMOTE) sedangkan setelah SMOTE memperoleh nilai akurasi sebesar 76,34%. Peubah terpenting dalam model sebelum penerapan SMOTE adalah Jalur Masuk (X4), Jenis Kelamin (X1), dan IPK (X2), sedangkan setelah penerapan SMOTE adalah Jalur Masuk (X4), IPK (X2), dan UKT (X6).

One indicator of the quality of education is the length of time required to complete studies. Data obtained from Dit-AP IPB University states that there are still many FMIPA students who have not succeeded in completing their studies on time. This is an evaluation for IPB University, especially FMIPA IPB students, to be more concerned about their students' graduation. This research was conducted to model the classification of FMIPA IPB University student data in 2018, with the response variables being on-time graduation and delayed graduation with student profiles and backgrounds as explanatory variables. The classification method used is rotation forest. This study aims to assess the accuracy of prediction and to identify the variable importance that affects students' graduation status. The results show that Rotation Forest can predict the graduation status of FMIPA IPB University students with fairly good performance. This method achieved an accuracy of 69.89% before applying the Synthetic Minority Oversampling Technique (SMOTE) and 76.34% after applying SMOTE. The variable importance in the model before the implementation of SMOTE are Driveway (X4), Gender (X1), and GPA (X2), while after SMOTE implementation are Driveway (X4), GPA (X2), and Tuition Fee (X6).