KOMPARASI METODE KLASIFIKASI DATA MINING UNTUK PREDIKSI KELULUSAN MAHASISWA

Dalam perguruan tinggi, mahasiswa merupakan komponen sangat penting dalam penyelenggaraan pendidikan terutama dalam penilaian akreditasi perguruan tinggi. Kelulusan mahasiswa yang tepat waktu merupakan tolak ukur keberhasilannya tujuan pembelajaran di perguruan tinggi, maka perlu dilakukan analisis dan prediksi terhadap data kelulusan mahasiswa. Banyak penelitian yang menganalis terhadap data kelulusan mahasiswa dengan teknik data mining dengan objek yang berbeda-beda. Dalam penelitian ini dilakukan perbandingan motede data mining yaitu algoritma neural network, k-nearest neighbor dan Decision Tree yang diaplikasikan pada data kelulusan mahasiswa. Dari hasil pengujian dengan mengukur kinerja ketiga metode tersebut menggunakan cross validation, confusion matrix dan kurva ROC, diketahui bahwa neural network memiliki nilai akurasi yang paling tinggi yakni sebesar 87,32%, diikuti oleh metode algoritma Decision Tree dengan nilai akurasi 83.57%, kemudian metode k-nearest neighbor dengan akurasi 83,66%. Nilai AUC untuk metode neural network menunjukan nilai tertinggi yakni 0,917 dan yang terendah adalah metode Decision Tree yaitu 0,844. Kata Kunci Data Mining, Mahasiswa, algoritma neural network, k-nearest neighbord, Decision Tree