ANALISIS KETEPATAN WAKTU LULUS MAHASISWA DENGAN MENGGUNAKAN BAGGING CART

Winalia Agwil, Herlin Fransiska, Nurul Hidayati

Abstract


Ketepatan waktu lulus mahasiswa menjadi salah satu indikator penilaian kelayakan program studi sebagai unit pelaksana pendidikan pada perguruan tinggi. Mengetahui faktor yang mempengaruhi waktu lulus mahasiswa akan membantu program studi dan dosen dalam mengambil keputusan untuk meningkatkan kuantitas mahasiswa lulus tepat waktu. Tujuan dari penelitian ini adalah untuk mendapatkan gambaran tentang karakteristik mahasiswa yang mempengaruhi ketepatan waktu lulus mahasiswa program studi S1 Matematika dengan menggunakan metode Ensemble Tree. Metode Ensemble tree yang digunakan adalah Bagging CART, dengan harapan dapat menghasilkan performa klasifikasi yang tinggi dan gambaran kharateristik mahasiswa yang baik. Data yang digunakan adalah data mahasiswa program studi S1 Matematika dari tahun 2010 sampai dengan 2019.  Kebaikan klasifikasi dilihat dari nilai Accuracy, Sensitivity dan Specificity. Metode pohon klasifikasi tunggal (CART) memberikan nilai Accuracy sebesar 82.1% , sensitivity sebesar 68.2 % dan specificity sebesar 91.2 %. Sedangkan dengan metode Bagging CART diperoleh Accuracy sebesar 85.7% , sensitivity sebesar 77.3 % dan specificity sebesar 91.2 %. Berdasarkan perbandingan nilai akurasi yang diperoleh dapat disimpulkan bahwa menerapkan metode Bagging pada pohon klasifikasi tunggal CART dapat meningkatkan performa klasifikasi.


Keywords


Ketepatan waktu lulus, Ensemble Tree, Bagging CART, Performa klasifikasi

Full Text:

PDF

References


Al-Amin, F.N, Indahwati, dan Anggraini, Y. 2013. Analisis Ketepatan Waktu Lulus Berdasarkan Karakteristik Mahasiswa Di FEM dan Faperta menggunakan metode CART. Xplore Vol 2(1). IPB.

Badan Akreditasi Nasional Perguruan Tinggi. 2019. Naskah Akademik IAPT 3.0. BANPT: Jakarta.

Breiman L, Friedman J. H, Olshen R. A, Stone CJ. 1984. Classification and Regression Trees. New York: Chapman & Hall/CRC.

Breiman L. 1996. Bagging Predictors. Machine Learning 24: 123–140.

Duda, R. O., Hart, P. E., Stork, D. G. 2000. Pattern Classification. California: Department at San Jose State University.

Fawcett T. 2006. An introduction to ROC analysis. Pattern Recognition Letters. 27: 861–874.

Lewis, R. J. 2020. An Introduction to Classification and Regression Trees (CART) Analysis. Presented at 2000 Annual Meeting of Society for Academic Emergency Medicine of San Frannsisco. California

Pertiwi, R.A, Indahwati, dan Afendi, F.M. 2013. Analisis CHAID untuk Identifikasi Ketepatan Waktu Lulus Berdasarkan Karakteristk Mahasiswa. Xplore Vol 2(1). IPB.

Rokach, L. 2008. Ensemble Methods For Classifiers dalam Data Mining and Knowledge Discovery Handbook (editor Maimon O. and Rokach L.). New York: Springer Science + Business Media.

Sartono, B. dan Syafitri., T. U. 2010. Metode Pohon Gabungan: Solusi Pilihan Untuk Mengatasi Kelemahan Pohon Regresi Dan Klasifikasi Tunggal. Forum Statistika dan Komputasi. P1-7.




DOI: https://doi.org/10.24853/fbc.6.2.155-166

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 FIBONACCI: Jurnal Pendidikan Matematika dan Matematika

Jurnal Fibonacci Indexed By:

  gs cro   one            

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Powered by Puskom-UMJ