Kata Kunci
Abstrak
Penelitian ini menyelidiki faktor-faktor yang mempengaruhi keputusan mahasiswa untuk mengundurkan diri dari kampus dengan tujuan menyusun strategi peningkatan partisipasi mahasiswa melalui penerapan metode decision tree. Decision Tree digunakan untuk membentuk pohon keputusan yang mudah diinterpretasikan dan memungkinkan pengenalan pola secara statistik. Penelitian berdasarkan kriteria golongan UKT, nilai IPS dan IPK, semester mahasiswa, dan SKS yang diambil. Data penelitian diambil melalui studi literatur dari platform web kaggle terkait dengan jumlah mahasiswa yang mengundurkan diri. Hasil penelitian menunjukan bahwa tingkat pengunduran diri tertinggi terjadi pada mahasiswa yang tidak aktif organisasi. Meskipun mahasiswa dengan IPK kisaran 3.00-3.78 mengalami pengunduran diri, temuan menegaskan bahwa IPK bukanlah alasan paling utama. Golongan UKT paling kecil (2-3) menunjukan tingkat pengunduran diri yang lebih rendah dibandingkan golongan UKT yang paling besar. Itu menegaskan bahwa mahasiswa yang kurang aktif dalam organisasi adalah mahasiswa yang paling banyak melakukan pengunduran diri. Sebagai strategi untuk meningkatkan partisipasi mahasiswa, penelitian merekomendasikan mahsiswa untuk meningkatkan kesadaran dan promosi aktivitas organisasi, dosen dapat membuat program pembinaan dan bimbingan, dukungan akademik. Strategi ini dapat membantu menciptakan lingkungan kampus yang mendukung partisipasi mahasiswa dalam aktivitas organisasi.
Referensi
W. Wulandari, R. Rosnelly, W. Wanayumini, Analisis Metode Decision Tree Dalam Memprediksi Kelulusan Mahasiswa, CSRID (Computer Sci. Res. Its Dev. Journal). 13 (2021) 131. https://doi.org/10.22303/csrid.13.3.2021.131-140.
A.H. Nasrullah, Implementasi Algoritma Decision Tree Untuk Klasifikasi Produk Laris, J. Ilm. Ilmu Komput. 7 (2021) 45–51. https://doi.org/10.35329/jiik.v7i2.203.
Marnis & Priyono, Manajemen Sumber Daya Manusia, 2008. https://doi.org/10.1017/CBO9781107415324.004.
S.M.K. Swasta, A. Bangsa, BEES Bulletin of Electrical and Electronics Engineering Implementasi Metode Decision Tree Pada Tingkat Prestasi Belajar, 1 (2021) 108–114.
B. Miftahurrohmah, C. Wulandari, Analisis Prediksi Mahasiswa Mengundurkan Diri Dari Universitas XYZ Dengan Metode Support Vector Machine, Netw. Eng. Res. Oper. 4 (2019) 173–179.
R. Fauzi, Klasifikasi Siswa Yang Akan Mengikuti Lomba Olimpiade Sains Nasional (OSN) Menggunakan Algoritma C4.5 (Studi Kasus: SMP Negeri 2 Gresik), Undergrad. Thesis, Univ. Muhammadiyah Gresik. (2019) 6–17. http://eprints.umg.ac.id/2109/.
S. Jusuf, Pengantar Metodologi Penelitian, 2012.
Normah, B. Rifai, S. Vambudi, R. Maulana, Analisa Sentimen Perkembangan Vtuber Dengan Metode Support Vector Machine Berbasis SMOTE, J. Tek. Komput. AMIK BSI. 8 (2022) 174–180. https://doi.org/10.31294/jtk.v4i2.
Ms. Prof. Dr. Suryana, Metodologi Penelitian, Metodologi Penelitian Model Prakatis Penelitian Kuantitatif dan Kualitatif, Univ. Pendidik. Indones. (2012) 1–243. https://doi.org/10.1007/s13398-014-0173-7.2.
E.D. Kartiningrum, Panduan Penyusunan Studi Literatur, Lemb. Penelit. Dan Pengabdi. Masy. Politek. Kesehat. Majapahit, Mojokerto. (2015) 1–9.
N.E. Helwig, S. Hong, E.T. Hsiao-wecksler, data mahasiswa (kaggle), (n.d.).
N.P.A. Widiari, I.M.A.D. Suarjaya, D.P. Githa, Teknik Pengolahan Data Cleaning, J. Ilm. Merpati (Menara Penelit. Akad. Teknol. Informasi). 8 (2020) 137.
B.A.B. Ii, A.P. Terdahulu, BAB II TINJAUAN PUSTAKA A. Penelitian Terdahulu 1., (2006) 9–37.
I.S. Wijaya, M. Wijaya, Sistem Pendukung Keputusan Untuk Menentukan Jurusan Pada Beasiswa Pada Sma Negeri 11 Muaro Jambi, J. Process. 18 (2023) 40–53. https://ejournal.unama.ac.id/index.php/processor/article/view/155.
S. Bahri, A. Lubis, Metode Klasifikasi Decision Tree Untuk Memprediksi Juara English Premier League, J. Sintaksis. 2 (2020) 63–70.
L.R. Haidar, E. Sediyono, A. Iriani, ANALISA PREDIKSI MAHASISWA DROP OUT MENGGUNAKAN METODE DECISION TREE DENGAN ALGORITMA ID3 dan C4.5, J. Transform. 17 (2020) 97. https://doi.org/10.26623/transformatika.v17i2.1609.
M.N.M. Rahayu, R. Arianti, Penyesuaian Mahasiswa Tahun Pertama Di Perguruan Tinggi, Studi Pada Mahasiswa Fakultas Psikologi Uksw, J. Psychol. Sci. Prof. 4 (2020) 73. https://doi.org/10.24198/jpsp.v4i2.26681.
Aprilla Dennis, Belajar Data Mining dengan RapidMiner, Innov. Knowl. Manag. Bus. Glob. Theory Pract. Vols 1 2. 5 (2013) 1–5. http://esjournals.org/journaloftechnology/archive/vol1no6/vol1no6_6.pdf%5Cnhttp://www.airccse.org/journal/nsa/5413nsa02.pdf.
I.S. Melati, L. Linawati, I.A.. Giriantari, Knowledge Discovery Data Akademik Untuk Prediksi Pengunduran Diri Calon Mahasiswa, Maj. Ilm. Teknol. Elektro. 17 (2018) 325. https://doi.org/10.24843/mite.2018.v17i03.p04.
D. Manurung, F. Sandi, F. Akinardipura, H. AShfahan, D. Prasvirta, Prediksi Pengunduran Diri Karyawan Perusahaan “Y” Menggunakan, Semin. Nas. Mhs. Imu Komput. Dan Apl. 2 (2021) 202–213.
Aprilla Dennis, Belajar Data Mining dengan RapidMiner, Innov. Knowl. Manag. Bus. Glob. Theory Pract. Vols 1 2. 5 (2013) 1–5. http://esjournals.org/journaloftechnology/archive/vol1no6/vol1no6_6.pdf%5Cnhttp://www.airccse.org/journal/nsa/5413nsa02.pdf.
I.S. Melati, L. Linawati, I.A.. Giriantari, Knowledge Discovery Data Akademik Untuk Prediksi Pengunduran Diri Calon Mahasiswa, Maj. Ilm. Teknol. Elektro. 17 (2018) 325. https://doi.org/10.24843/mite.2018.v17i03.p04.
D. Manurung, F. Sandi, F. Akinardipura, H. AShfahan, D. Prasvirta, Prediksi Pengunduran Diri Karyawan Perusahaan “Y” Menggunakan, Semin. Nas. Mhs. Imu Komput. Dan Apl. 2 (2021) 202–213.
Cara Mengutip
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Hak Cipta (c) 2023 Melek IT : Information Technology Journal
