Penerapan Metode Random Forest Untuk Klasifikasi Kelulusan Mahasiswa Tepat Waktu di Pondok Pesantren Salafiyah Syafi'iyah
DOI:
https://doi.org/10.35473/jamastika.v5i1.4638Abstract
Timely graduation is one of the main indicators used to evaluate how effectively a higher education system operates. The Salafiyah Syafi'iyah Islamic Boarding School, which integrates the formal education system with pesantren tradition, experiences particular challenges in ensuring students graduate according to schedule, as they must balance academic requirements with rigorous religious and community programs. This research implements the Random Forest algorithm to classify student graduation outcomes based on past data containing attributes such as GPA, skill assessments, educational background, community service, and student identity. The method was selected due to its capacity to process complex datasets, its resistance to overvitting, and its usefulness in identifying the relative significance of each predictor variable. The modeling process was executed in RappidMinner Studio, covering stages of data cleaning, model training, and evaluation. The analysis show that GPA contributes the most to predicting timely graduation (Weight =0.4), followed by school background and community service (each 0.3). the resulting decision tree indicates that students with a GPA above 2.85 are most likely to graduate on time. The developed model can function as a decision-support System, helping educators detect students who may face delays in graduation and enabling timely interventions such as personalized guidance or mentoring sessions.
Keywords: Random Forest, Classification, Timely Graduation, Data Mining, Islamic Boarding School
Ketepatan waktu kelulusan mahasiswa merupakan indikator penting dalam menilai efektivitas suatu sitem pendidikan tinggi. Pondok pesantren Salafiyah Syafi’iyah yang memadukan sistem formal dengan nilai-nilai kepesantrenan, menghadapi tantangan tersendiri dalam memastikan mahasiswa dapat lulus tepat waktu. Hal ini karena santri harus menyeimbangkan antara penyelesaian beban akademik dengan berbagai kegiatan pesantren yang padat. Penelitian ini menerapkan metode Random Forest untuk mengklasifikasikan status kelulusan mahasiswa berdasarkan data historis yang mencakup atribut sepeti Indeks Prestasi Kumulatif (IPK), Keterampilan Kelulusan, asal Madrasah, kegiatan Pengabdian Masyarakat, dan Nama mahasiswa. Metode Random Forest dipilih karena kemampuannya dalam mengelolah data berdimensi tinggi, tahan terhadap overfitting, serta mampu mengidentifikasi tingkat kepentingan setiap variabel. Proses klasifikasi dilakukan menggunakan RapidMiner Studio, melalui tahapan praproses data, pembentukan model, dan evaluasi performa. Hasil penelitian menunjukkan bahwa IPK merupakan faktor paling dominan dengan bobot tertinggi (0.4) dalam menentukan kelulusan tepat waktu, diikutioleh Madrasah dan Pengabdian dengan bobot masing-masing 0.3. Visualisasi pohon keputusan menunjukkan threshold IPK > 2.850 sebagai titik percabangan utama. Model yang dihasilkan dapat digunakan sebagai sistem pendukung keputusan untuk identifikasi dini mahasiswa berisiko terlambat lulus, memungkinkan institusi memberikan intervensi akademik yang tepat seperti bimbingan intensif dan pendampingan khusus untuk meningkatkan tingkat kelulusan tepat waktu.
Kata Kunci: Random Forest, Klasifikasi, Kelulusan Tepat Waktu, Data Mining, Pondok Pesantren
References
Apriliah, W., Kurniawan, I., Baydhowi, M., & Haryati, T. (2021). Prediksi kemungkinan diabetes pada tahap awal menggunakan algoritma klasifikasi Random Forest. Sistemasi, 10(1), 163–171.
Gori, T., Sunyoto, A., & Al Fatta, H. (2024). Preprocessing Data dan Klasifikasi untuk Prediksi Kinerja Akademik Siswa. Jurnal Teknologi Informasi Dan Ilmu Komputer, 11(1), 215–224.
Nursihah, C., Fatah, Z., Hidayaturrochman, R., Ibrahimy, U., Jawatimur, S., Ibrahimy, U., Jawatimur, S., Ibrahimy, U., & Jawatimur, S. (2025). PENERAPAN DATA MINING UNTUK PENILAIAN TES HADRAH DI PESANTREN SALAFIYAH SYAFI ’ IYAH MENGGUNAKAN METODE RANDOM FOREST. 2(1), 40–45.
Oon Wira Yuda, Darmawan Tuti, Lim Sheih Yee, & Susanti. (2022). Penerapan Penerapan Data Mining Untuk Klasifikasi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Random Forest. SATIN - Sains Dan Teknologi Informasi, 8(2), 122–131. https://doi.org/10.33372/stn.v8i2.885
Perguruan, K., & Mahasiswi, T. (2024). BERPRESTASI PROGRAM STUDI PENDIDIKAN BAHASA ARAB. 3(2).
Putro, A., & Setiadi, T. (2023). Penerapan Klasifikasi Decision Tree (C4. 5) untuk memprediksi kelulusan siswa sekolah dasar di Kecamatan Juai. Jurnal Format, 12(2), 151–157.
Romdona, S., Junista, S. S., & Gunawan, A. (2025). Teknik pengumpulan data: Observasi, wawancara dan kuesioner. JISOSEPOL: Jurnal Ilmu Sosial Ekonomi Dan Politik, 3(1), 39–47.
Sarnoto, A. Z., Rahmawati, S. T., Ulimaz, A., Mahendika, D., & Prastawa, S. (2023). Analisis pengaruh model pembelajaran student center learning terhadap hasil belajar: studi literatur review. Jurnal Pendidikan Dan Kewirausahaan, 11(2), 615–628.
Studi, M., & Era, D. I. (2025). Jurnal Administrasi, Manajemen SDM dan Ilmu Sosial (JAEIS) Volume 4 Nomor 1; Maret 2025 E-ISSN: 2962-066X. 4, 49–52.
Vibrianti, V., Wahyudin, E., Kaslani, K., Pratama, D., & Dwilestari, G. (2024). Klasifikasi Barang Produksi Pada Tnt. Guitar Workshop Dengan Metode Naive Bayes Menggunakan Rapid Miner. JATI (Jurnal Mahasiswa Teknik Informatika), 8(2), 1432–1438. https://doi.org/10.36040/jati.v8i2.8966
