Penerapan Decision Tree CART untuk Klasifikasi Risiko Gagal Studi Mahasiswa
DOI:
https://doi.org/10.35473/jamastika.v4i2.4145Abstract
Pendidikan tinggi menghadapi tantangan serius berupa masalah gagal studi mahasiswa, yang dipengaruhi oleh berbagai faktor mulai dari ketidaksesuaian minat hingga kondisi psikososial. Identifikasi dini risiko gagal studi menjadi krusial untuk mencegah tingginya angka putus studi dan merancang intervensi yang tepat. Penelitian ini memanfaatkan machine learning, khususnya algoritma Decision Tree CART, untuk mengklasifikasikan risiko gagal studi mahasiswa berdasarkan data akademik dan non-akademik, seperti IPK, masa studi, keterlibatan KKN/PKL, dan poin SKPM. Tahapan penelitian meliputi identifikasi masalah, pengumpulan dan pra-pemrosesan data, penerapan algoritma Decision Tree, pelatihan model, evaluasi, dan analisis. Data sebanyak 100 entri diproses dengan teknik data cleaning dan transformasi atribut kategorikal ke numerik, kemudian dibagi menjadi rasio 80:20 untuk pelatihan dan pengujian. Hasil evaluasi menunjukkan akurasi sebesar 85%, yang mengindikasikan bahwa model memiliki performa yang baik dalam memprediksi status kelulusan mahasiswa. Temuan ini menunjukkan bahwa model Decision Tree CART dapat menjadi solusi proaktif untuk deteksi dini risiko gagal studi dan mendukung pengambilan keputusan strategis di lingkungan perguruan tinggi.
Kata Kunci: Decision Tree, CART, Klasifikasi, Gagal Studi, Mahasiswa
Higher education faces a serious challenge in the form of student study failure, influenced by various factors such as mismatched interests and psychosocial conditions. Early identification of study failure risk is crucial to prevent high dropout rates and to design appropriate interventions. This study utilizes machine learning, specifically the Decision Tree CART algorithm, to classify the risk of student study failure based on academic and non-academic data, including GPA, study duration, KKN/PKL participation, and SKPM points. The research stages include problem identification, data collection and preprocessing, algorithm implementation, model training, evaluation, and analysis. A total of 100 data entries were processed using data cleaning techniques and categorical-to-numerical transformation, then split into an 80:20 ratio for training and testing. The evaluation results show an accuracy of 85%, indicating that the model performs well in predicting students' graduation status. These findings suggest that the Decision Tree CART model offers a proactive solution for early detection of study failure risk and supports strategic decision-making in higher education institutions.
Keywords: Decision Tree, CART, Classification, Study Failure, Students
References
Aesyi, U. S., Lahitani, A. R., & Diwangkara, T. W. (2021). Deteksi dini mahasiswa drop out
menggunakan C5.0. JISKA: Jurnal Informatika Sunan Kalijaga, 6(2), 113–119. from https://doi.org/10.14421/jiska.2021.6.2.113-119
Amani, N. N., & Hayati, U. (2024). Penggunaan algoritma decision tree untuk prediksi prestasi
siswa di Sekolah Dasar Negeri 3 Bayalangu Kidul. Jurnal Mahasiswa Teknik Informatika, 8(1), 1–7. from https://journal.upgripnk.ac.id/index.php/saintek/article/view/7696
Anggraini, P. S. (2021). Implementasi metode K-Means untuk pengelompokan kasus COVID-19
tingkat provinsi di Indonesia. Jurnal Informatika dan Fisika (JIFOSI), 3(1), 82–90. from http://dx.doi.org/10.33005/jifosi.v3i1.472
Esananda, S. C., Nugroho, B., & Anggraeny, F. (2021). Penerapan algoritma decision tree dalam
menentukan prestasi akademik siswa. Router: Jurnal Informatika dan Teknologi Informasi, 2(2), 1–9. from https://journal.aptii.or.id/index.php/Router/article/view/389
Gunawan, M. T., Tine, J. Y., & Murwaningtyas, C. E. (2024). Model decision tree untuk prediksi
prestasi akademik matematika siswa kelas VIII SMP Frater Don Bosco Manado. Jurnal Pendidikan Informatika dan Sains, 13(2), 141–153. from https://ejournal.itn.ac.id/index.php/jati/article/view/8355
Gustian, A. S. (2025). Analisis klasifikasi risiko dropout mahasiswa menggunakan algoritma
Decision Tree dan Random Forest. Jurnal Teknologi Pendidikan, 11(1), 12–22. from https://www.researchgate.net/publication/391857423_Analisis_Klasifikasi_Risiko_Dropout_Mahasiswa_Menggunakan_Algoritma_Decision_Tree_dan_Random_Forest
Kristyawan, A., & Sumirat, E. (2019). Analisis terhadap faktor-faktor yang mempengaruhi
mahasiswa gagal studi menggunakan teknik klasifikasi. Jurnal Sistem Informasi dan Bisnis Cerdas, 9(1), 1–10. from http://ejournal.upnjatim.ac.id/index.php/sibc/article/view/12025
Nasution, W. S., & Sriani. (2025). Analysis of student dropouts at State Senior High School 6
Padangsidimpuan City using the C5.0 decision tree algorithm. Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika, 22(1), 64–75. from https://doi.org/10.33751/komputasi.v22i1.18
Noviyanto, H., & Fauzi, A. (2024). Penerapan metode data mining untuk prediksi dini kegagalan
mahasiswa menggunakan algoritma Decision Tree. SPIRIT, 16(2), 334–339. from https://jurnal.stmik-yadika.ac.id/index.php/spirit/article/view/367
Rismaya, R., Yuniarto, D., & Setiadi, D. (2023). Penerapan algoritma machine learning dalam
prediksi prestasi akademik mahasiswa. Router: Jurnal Teknik Informatika dan Terapan, 3(1), 45–54. from https://journal.aptii.or.id/index.php/Router/article/view/389
Rizalno, M. F., Johar, A., & Coastera, F. F. (2022). Analisis prediksi masa studi mahasiswa
menggunakan metode decision tree dengan penerapan algoritme CART (Classification and Regression Trees). Rekursif: Jurnal Informatika, 10(1), 96–106. from https://doi.org/10.33369/rekursif.v10i1.21362
Suriani, U. (2023). Penerapan data mining untuk memprediksi tingkat kelulusan mahasiswa
menggunakan algoritma decision tree C4.5. Journal of Computer and Information Systems Ampera, 4(2), 55–61. from https://www.journal-computing.org/index.php/journal-cisa/article/view/393
Suryani, N., & Maryanto, H. (2022). Faktor-faktor penyebab mahasiswa putus studi pada masa
pandemi COVID-19. Jurnal Kajian Pendidikan dan Pembelajaran, 8(1), 59–68. from https://journal.unesa.ac.id/index.php/jkpp/article/view/17893
Muriyatmoko, D., Musthafa, A., & Salman, S. A. I. (2024). Klasifikasi profil mahasiswa pada
pola nilai AKPAM dengan metode Decision Tree CART. Jurnal Sistem Informasi UNIDA Gontor, 5(2), 55–67. from https://corisindo.utb-univ.ac.id/index.php/penelitian/article/view/158
Widodo, M. (2019). Kinerja algoritma Classification and Regression Tree (CART) dalam
mengklasifikasikan lama masa studi mahasiswa yang mengikuti organisasi di Universitas Negeri Jakarta. Jurnal Pinter, 3(2), 139–145. from https://doi.org/10.21009/pinter.3.2.9
Hafizh Athallah. (2024). Dataset Kelulusan Mahasiswa. Kaggle. from https://www.kaggle.com/datasets/hafizhathallah/kelulusan-mahasiswa
