Muhammad Maulana Rofi
191106041442
Perguruan tinggi berperan sebagai Lembaga Pendidikan bagi mahasiswa.
Perguruan tinggi memiliki tanggung jawab untuk menyelenggarakan Pendidikan
yang unggul bagi mahasiswa agar dapat menghasilkan individu yang berkualitas
dalam hal sumber daya manusia. Namun, keberadaan mahasiswa yang mengalami
kasus drop out merupakan salah satu hambatan bagi kemajuan perguruan tinggi
tersebut. Nilai angka drop out yang cukup tinggi bisa mengakibatkan terjadinya
penurunan akreditasi perguruan tinggi tersebut. Oleh karena itu, dibuatlah model
untuk mengklasifikasikan kasus drop out guna mengidentifikasi faktor-faktor yang
paling berpengaruh terhadap masalah tersebut. K-Nearest Neighbor (K-NN)
merupakan metode yang bekerja dengan mengukur jarak antara titik data yang akan
diprediksi dengan titik-titik data yang ada dalam dataset pelatihan. Selain itu,
Random Forest adalah metode yang memanfaatkan sejumlah pohon keputusan
yang dibangun secara acak dan kemudian menggabungkan hasil prediksi dari
pohon-pohon tersebut untuk mencapai hasil akhir. Pada penelitian ini, K-NN dan
Random Forest menghasilkan nilai akurasi masing-masing sebesar 98.10?n
99.05%. Dari hasil yang didapat, algoritma Random Forest memiliki hasil peforma
lebih tinggi dari algoritma K-NN. Sehingga algoritma Random Forest merupakan
algoritma paling baik dalam mengklasifikasi mahasiswa berpotensi drop out.
Berdasarkan algoritma Random Forest yang merupakan algoritma paling baik
dalam mengklasifikasi mahasiswa berpotensi drop out, didapatkan hasil bahwa
atribut Persentase Aktif merupakan nilai tertinggi yang berarti Persentase Aktif
merupakan faktor yang paling berpengaruh dalam klasifikasi mahasiswa berpotensi
drop out.
Kata Kunci: Perguruan Tinggi, Drop Out, K-Nearest Neighbor (K-NN), Random Forest