Prediksi Kelulusan Mahasiswa Tepat Waktu Menggunakan Perbandingan Algoritma Random Forest Dan XGBoost

Abstrak

Ketepatan waktu kelulusan mahasiswa merupakan indikator penting dalam menilai kualitas lembaga pendidikan tinggi dan dalam proses akreditasi. Studi ini bertujuan untuk membandingkan kinerja dua algoritma pembelajaran mesin populer, Random Forest dan Extreme Gradient Boosting (XGBoost), dalam memprediksi status kelulusan mahasiswa. Dataset yang digunakan mencakup variabel akademik seperti Indeks Prestasi Kumulatif (IPK) Semester, Indeks Prestasi Kumulatif (IPK Kumulatif), dan data demografis. Hasilnya diharapkan dapat memberikan rekomendasi bagi program studi untuk menerapkan intervensi dini bagi mahasiswa yang diidentifikasi berisiko lulus terlambat.