Prediksi Performa Akademik Mahasiswa untuk Kelulusan Predikat Cum Laude dengan Pendekatan Machine Learning

Abstract

Penelitian ini berfokus pada prediksi kelulusan mahasiswa dengan predikat cum laude melalui teknik data mining. Data mining menghasilkan pola dari data dalam skala besar, dan memiliki peran penting dalam penelitian ini. Tujuan utama penelitian ini adalah mengembangkan model prediktif yang akurat untuk mengidentifikasi faktor-faktor kunci yang mempengaruhi kelulusan cum laude selama kegiatan akademik mahasiswa. Penelitian ini dilakukan dalam bidang ilmu komputer, dengan menggunakan algoritme yang paling akurat untuk klasifikasi data, sehingga memastikan kinerja optimal dan prediksi dengan akurasi tinggi dalam konteks penelitian ini. Hasil dari penelitian ini menunjukkan efektivitas model dalam memprediksi kelulusan cum laude dengan akurasi tinggi, memberikan kesempatan bagi universitas untuk meningkatkan kualitas lulusan secara keseluruhan dan mengatasi penurunan standar kelulusan yang mungkin terjadi. Penelitian ini menekankan pentingnya data mining dalam memprediksi kinerja akademik dan memberikan pendekatan praktis bagi universitas untuk meningkatkan proses pengambilan keputusan. Dengan memanfaatkan teknik data mining, khususnya dalam ilmu komputer, institusi dapat mengantisipasi dan mendukung mahasiswa dalam mencapai predikat cum laude, sehingga meningkatkan kualitas lulusan secara keseluruhan. Hasil penelitian ini memiliki implikasi praktis bagi universitas dalam bidang ilmu komputer, dengan mengoptimalkan sumber daya dan mendorong keberhasilan mahasiswa untuk mencapai hasil tertinggi dalam pendidikan.

This study focuses on predicting graduation with cum laude honors through data mining techniques. Data mining extracts patterns from large-scale data, playing a vital role in this research. The main objective is to develop a robust predictive model that effectively identifies the key factors influencing cum laude graduation during a student's academic journey. Specifically conducted in the field of computer science, the study utilizes the most accurate algorithm for data classification, ensuring optimal performance and reliable predictions in this context. The findings of this research demonstrate the model's efficacy in accurately predicting cum laude graduation, offering universities the opportunity to enhance the overall quality of their graduates and proactively address any potential decline in graduation standards. This research emphasizes the importance of data mining in predicting academic performance and offers a practical approach for universities to improve decision-making processes. Leveraging data mining techniques, particularly in computer science, institutions can anticipate and support students in achieving cum laude honors, elevating overall graduate quality. The results have practical implications for computer science universities, optimizing resources and promoting student success for excellence in education.