Analisis Kinerja Algoritma Random Forest dalam Klasifikasi Kelulusan Mahasiswa Menggunakan Student Performance Dataset

Abstrak

Perkembangan pembelajaran mesin telah mendorong pemanfaatannya dalam bidang pendidikan untuk mendukung pengambilan keputusan berbasis data, salah satunya dalam mengklasifikasikan penerimaan siswa. Penelitian ini bertujuan menerapkan algoritma Random Forest untuk mengklasifikasikan status izin mahasiswa menggunakan Student Performance Dataset. Penelitian menggunakan pendekatan kuantitatif dengan metode eksperimen yang meliputi tahapan prapemrosesan data, pembagian data menjadi set pelatihan (80%) dan set pengujian (20%), pengembangan model Random Forest, serta evaluasi menggunakan Accuracy, Precision, Recall, F1-Score, Area Under Curve (AUC), dan Confusion Matrix. Hasil penelitian menunjukkan bahwa algoritma Random Forest menghasilkan Accuracy sebesar 89,87%, Precision 90,21%, Recall 88,46%, F1-Score 89,33%, dan nilai AUC sebesar 0,94. Hasil Confusion Matrix menunjukkan bahwa model mampu mengklasifikasikan sebagian besar data dengan benar, dengan 29 True Negative, 42 True Positive, 3 False Positive, dan 5 False Negative. Hasil tersebut menunjukkan bahwa algoritma Random Forest memiliki kinerja yang baik, stabil, dan efektif dalam mengklasifikasikan izin siswa berdasarkan data akademik. Penelitian ini diharapkan dapat menjadi referensi dalam penerapan machine learning untuk mendukung pengambilan keputusan di bidang pendidikan, khususnya dalam identifikasi dini siswa yang berpotensi mengalami keterlambatan penerimaan.

Kata kunci : Random Forest, Machine Learning, Klasifikasi, Kelulusan Mahasiswa, Model Evaluasi.