SISTEM PREDIKSI DROPOUT MAHASISWA ILMU KOMPUTER MENGGUNAKAN RANDOM FOREST

Aditya Fathoni Akbar (2026) SISTEM PREDIKSI DROPOUT MAHASISWA ILMU KOMPUTER MENGGUNAKAN RANDOM FOREST. Undergraduate thesis, Universitas Muhammadiyah Palangkaraya.

	Text index.html Download (3kB)
	Text index.html Restricted to campus network only Download (4kB)
	Text 22.53.026049-Formulir-Pernyataan.pdf Restricted to Terbatas untuk pengelola ETD Download (956kB)

Abstract

Angka dropout mahasiswa di Program Studi Ilmu Komputer Universitas Muhammadiyah Palangkaraya masih menjadi permasalahan yang memerlukan penanganan serius. Berdasarkan observasi dan wawancara tidak formal dengan dosen pembimbing akademik pada November 2025, proses identifikasi mahasiswa berisiko dropout saat ini masih dilakukan secara manual melalui pengecekan riwayat pengisian KRS pada SIAKAD, sehingga sering kali terlambat dan bersifat reaktif. Penelitian ini bertujuan merancang dan mengembangkan Sistem Prediksi Dropout Mahasiswa Berbasis Web Menggunakan Algoritma Random Forest. Sistem ini akan memanfaatkan data historis mahasiswa (akademik dan demografis) dari SIAKAD angkatan 2019–2024, melakukan preprocessing, dan menghasilkan prediksi risiko dropout secara otomatis dengan metrik akurasi, precision, recall, dan F1-Score. Pengembangan sistem menggunakan metodologi CRISP-DM, bahasa pemrograman PHP Native, MySQL, serta integrasi model Python (scikit-learn). Hasil yang diharapkan adalah sistem yang mampu memberikan peringatan dini kepada dosen wali dan admin prodi sehingga intervensi dapat dilakukan sejak semester awal, yang pada akhirnya dapat meningkatkan angka retensi dan kelulusan tepat waktu di Program Studi Ilmu Komputer Universitas Muhammadiyah Palangkaraya.

Item Type:	Thesis (Undergraduate)
Kata Kunci:	ARRAY(0x5653f1b178f0)
Subjek:	A General Works > AC Collections. Series. Collected works
Program Studi:	Fakultas Bisnis Dan Informatika > Ilmu Komputer (S1)
Dosen Pembimbing 1:	Sutami
Dosen Pembimbing 2:	Ika Safitri Windiarti
Date Deposited:	17 Jun 2026 08:07
Last Modified:	25 Aug 2026 11:47
URI:	https://etd.umpr.ac.id/id/eprint/57

Actions (login required)

View Item