Pembangkit Aturan pada Fuzzy Inference System menggunakan Fuzzy Decision Tree untuk Memprediksi Keberhasilan Studi Mahasiswa (Studi Kasus : Institut Bisnis dan Informatika Kwik Kian Gie)

Abstract

Kualitas lulusan dari sebuah perguruan tinggi selain dapat dilihat dari rata-rata lama lulusannya mendapatkan pekerjaan juga dapat dilihat dari rata-rata lama studi dari mahasiswanya. Jumlah mahasiswa yang lulus tepat waktu merupakan salah satu aspek penting dalam penilaian akreditasi dari suatu perguruan tinggi. Namun permasalahan yang muncul adalah masih banyak mahasiswa yang lulus melampaui target waktu lulus yakni 4 tahun. Oleh sebab itu, model prediksi kelulusan tepat waktu mahasiswa dapat berperan sebagai early warning terhadap manajemen perguruan tinggi untuk mempersiapkan strategi yang berkaitan dengan kebijakan preventif terkait pencegahan kasus Drop Out. Tujuan pada penelitian ini adalah membangun model dengan menggunakan metode fuzzy decision tree yaitu algoritme Fuzzy ID3 dalam membentuk aturan klasifikasi yang kemudian digunakan untuk memprediksi keberhasilan studi mahasiswa dengan menggunakan Fuzzy Inference System Mamdani. Pada penelitian ini juga melakukan pengukuran tingkat akurasi dalam memprediksi kelulusan tepat waktu mahasiswa dari hasil model yang terbentuk. Selain itu, pada penelitian ini juga melakukan perbandingan performansi antara algoritme Fuzzy ID3 dan algoritme ID3 dalam membentuk aturan klasifikasi yang digunakan untuk memprediksi keberhasilan studi mahasiswa. Hal ini bertujuan untuk mengetahui apakah dengan menggunakan pendekatan fuzzy dalam membentuk model pohon keputusan akan lebih baik jika dibandingkan dengan metode decision tree yang tidak menggunakan pendekatan fuzzy, dalam penelitian ini adalah algoritme ID3. Pada penelitian ini, model klasifikasi kelulusan tepat waktu mahasiswa dibangun berdasarkan 5 faktor yakni IPK Semester 1, IPK Semester 2, Kedisiplinan, Prilaku, dan Rapor. Hasil dari penelitian ini menghasilkan model klasifikasi kelulusan tepat waktu mahasiswa dengan jumlah aturan klasifikasi sebanyak 28 aturan pada saat nilai fuzziness control threshold (θr) sebesar 98% dan leaf decision threshold (θn) sebesar 3% dengan tingkat akurasi sebesar 95.85%. Jika semakin tinggi nilai θr dan semakin rendah nilai θn maka tingkat akurasi akan semakin tinggi. Berdasarkan dari aturan klasifikasi yang terbentuk, faktor yang paling menentukan mahasiswa akan lulus tepat waktu adalah IPK Semester 2. Model yang dihasilkan dengan menggunakan fuzzy decision tree yakni algoritme Fuzzy ID3 memiliki tingkat akurasi sebesar 95.85%, algoritma ini lebih baik dibandingkan dengan algoritme decision tree yakni ID3 dengan tingkat akurasi sebesar 93.42%, dalam hal memprediksi keberhasilan studi mahasiswa.