View/Open

Author
TIARA, SEPTIANA

Date Published
21 Jan 2026

Advisor
Ayu Sofia, S.Si., M.Si.,
Muklas Rivai, S.Stat., M.Si.,

Subject
Aktuaria

Publisher

Pendidikan merupakan pilar utama pembangunan suatu negara, termasuk di Indonesia yang menekankan peningkatan kualitas sumber daya manusia melalui pendidikan tinggi. Salah satu indikator keberhasilan penyelenggaraan pendidikan tinggi adalah tingkat kelulusan tepat waktu mahasiswa, yang juga berpengaruh pada akreditasi program studi. Namun, tingkat kelulusan tepat waktu mahasiswa Fakultas Sains Institut Teknologi Sumatera (ITERA) masih rendah, yaitu hanya 31.38% pada angkatan 2020. Kondisi ini menunjukkan perlunya sistem prediksi untuk mengidentifikasi mahasiswa berpotensi mengalami keterlambatan kelulusan. Penelitian ini bertujuan membangun model klasifikasi ketepatan waktu kelulusan menggunakan algoritma Rotation Forest. Data yang digunakan mencakup mahasiswa angkatan 2019 dan 2020 Fakultas Sains ITERA yang telah lulus hingga Desember 2024, dengan fitur IPK, SKS, jenis kelamin, jalur masuk, beasiswa, prestasi, program studi, UKT, dan asal daerah. Rotation Forest dipilih karena kemampuannya meningkatkan performa prediksi melalui ensemble learning berbasis Principal Component Analysis (PCA). Model terbaik diperoleh dengan parameter L = 10 dan K = 1, menghasilkan akurasi 88.44%, sensitivitas 88.64%, dan spesifitas 88.24%. Fitur yang paling berkontribusi adalah Program Studi, IPK, dan UKT, yang menunjukkan faktor akademik serta kondisi ekonomi mahasiswa berperan penting dalam memprediksi kelulusan tepat waktu. Penelitian ini diharapkan dapat menjadi acuan dalam mengidentifikasi mahasiswa berpotensi terlambat lulus serta membantu pengambilan keputusan intervensi akademik. Kata kunci : Ensemble Learning, Kelulusan Tepat Waktu, Klasifikasi, Rotation Forest.

URI
https://repo.itera.ac.id/depan/submission/SB2509170094

Keyword
Rotation Forest Kelulusan Mahasiswa