Penerapan Metode Resampling dan K – Nearest Neighbor dalam Memprediksi Keberhasilan Studi Mahasiswa Program Magister IPB

Abstract

Sekolah Pascasarjana IPB dipercaya menghasilkan lulusan yang berkualitas dan berdaya saing tinggi, namun berdasarkan data yang ada, terdapat sebagian kecil mahasiswa yang tidak lulus, baik mengundurkan diri maupun Drop Out. Hal tersebut perlu ditangani salah satunya dengan menerapkan metode klasifikasi KNearest Neighbor (KNN) untuk memprediksi potensi keberhasilan studi mahasiswa. Peubah respon yang digunakan adalah status keberhasilan studi mahasiswa, yaitu lulus dan tidak lulus. Sedangkan peubah penjelas adalah profil dan latar belakang pendidikan S1 mahasiswa. Terdapat ketakseimbangan pada data yang diperoleh, kelas tidak lulus berjumlah jauh lebih sedikit dibandingkan kelas lulus. Hal ini dapat menurunkan nilai akurasi klasifikasi pada kelas minoritas (sensitivitas) sehingga dilakukan penanganan ketakseimbangan data dengan menggunakan Random Over Sampling (ROS), Random Under Sampling (RUS), dan Random Over-Under Sampling (ROUS). Nilai evaluasi hasil klasifikasi KNN (k = 1 hingga 6), mengalami peningkatan nilai sensitivitas setelah disertai penanganan ketakseimbangan data, meskipun nilai akurasi dan spesifisitas mengalami penurunan. Metode KNN dengan k = 6 disertai ROS merupakan skema klasifikasi KNN terbaik dalam memprediksi potensi keberhasilan studi mahasiswa program magister IPB dibandingkan skema lainnya. Nilai rataan dan median sensitivitas sebesar 0.89 dan 0.89, nilai rataan dan median spesifisitas sebesar 0.75 dan 0.75, serta nilai rataan dan median akurasi sebesar 0.77 dan 0.77.