KLASIFIKASI MAHASISWA BERPOTENSI DROP OUT (DO) MENGGUNAKAN ALGORITMA RANDOM FOREST

Abstract

Drop Out mahasiswa merupakan masalah serius yang berdampak pada kualitas lulusan dan reputasi perguruan tinggi. Politeknik Negeri Bengkalis mencatat 198 kasus Drop Out sejak 2023–2024. Penelitian ini bertujuan membangun sistem klasifikasi mahasiswa berpotensi Drop Out ke dalam dua kelas yaitu Drop Out (DO) dan Tidak Drop Out (DO) menggunakan algoritma Random Forest berbasis data akademik dan non-akademik. Metode Rapid Application Development (RAD) digunakan dalam pengembangan sistem dengan dataset 398 mahasiswa dan sembilan atribut: jenis kelamin, lama studi, pelanggaran, IPK, ketidakhadiran, penghasilan orang tua, riwayat cuti dan registrasi, status KIP, serta asal tempat tinggal. Evaluasi model menggunakan 20% data uji (80 data) menghasilkan akurasi 97%, presisi 98%, dan Recall 97%. Fitur Early Warning berhasil mengidentifikasi 49 mahasiswa dari 200 mahasiswa aktif (24%) sebagai berpotensi Drop Out. Hasil ini membuktikan bahwa algoritma Random Forest efektif sebagai sistem klasifikasi berbasis data untuk deteksi dini mahasiswa berpotensi drop out.