Analisis Faktor Demografi Dan Sosial Ekonomi Untuk Mendeteksi Dini Risiko Putus Kuliah Menggunakan Metode Support Vector Machine (Svm) Dan Decision Tree (Studi Kasus : STMIK Triguna Dharma)
Article Metrics
Abstract view : 478 timesAbstract
Fenomena putus kuliah merupakan tantangan serius di perguruan tinggi, termasuk di STMIK Triguna Dharma. Masalah ini dipengaruhi oleh berbagai faktor demografi dan sosial ekonomi, seperti keterbatasan ekonomi keluarga, kurangnya dukungan lingkungan, serta persoalan internal mahasiswa. Penelitian ini bertujuan mengidentifikasi faktor-faktor tersebut dan membangun model prediktif menggunakan pendekatan data mining, khususnya algoritma Support Vector Machine (SVM) dan Decision Tree. Metode yang digunakan adalah kuantitatif. Data diperoleh melalui wawancara dan sistem akademik, kemudian diproses melalui tahapan preprocessing untuk pembersihan dan normalisasi. Algoritma SVM digunakan untuk membangun hyperplane yang memisahkan mahasiswa berisiko dan tidak berisiko putus kuliah, sedangkan Decision Tree menghasilkan model pohon keputusan yang mudah dipahami untuk analisis faktor penyebab. Evaluasi model dilakukan dengan tiga rasio pembagian data: 90:10, 80:20, dan 70:30. Hasil menunjukkan bahwa SVM memiliki akurasi tertinggi sebesar 58,54% dengan presisi 75% dan recall 83,33% pada rasio 90:10. Sementara itu, Decision Tree mencatat recall 100% pada rasio 80:20 dan 70:30, namun dengan presisi lebih rendah (50–57%) dan akurasi maksimum 56,10%. Temuan ini menunjukkan bahwa SVM lebih baik dalam keseimbangan akurasi dan presisi, sedangkan Decision Tree unggul dalam mendeteksi kasus putus kuliah. Model ini diharapkan dapat membantu kampus melakukan intervensi dini untuk mencegah putus kuliah.
References
Kentjana Sari, H. (2023). Hubungan Status Sosial Ekonomi Orang Tua Dan Prestasi Belajar Siswa Pada Pembelajaran Matematika. 1(6). https://doi.org/10.51903/bersatu.v1i6.434
Kusbudiyanto, L., & Imam Munandar, A. (2020). KARAKTERISTIK SISWA PUTUS SEKOLAH PADA JENJANG SEKOLAH MENENGAH KEJURUAN (SMK) DI KOTA BEKASI | Sosial Horizon: Jurnal Pendidikan Sosial. Jurnal Pendidikan Sosial, Vol 6 No.2, 298–318. https://journal.upgripnk.ac.id/index.php/sosial/article/view/1153
Muzakir, A., & Wulandari, R. A. (2016). Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree. Scientific Journal of Informatics, 3(1), 19–26. https://doi.org/10.15294/SJI.V3I1.4610
Oktafiani, R., & Rianto, R. (2023). Perbandingan Algoritma Support Vector Machine (SVM) dan Decision Tree untuk Sistem Rekomendasi Tempat Wisata. Jurnal Nasional Teknologi Dan Sistem Informasi, 113–121. https://doi.org/10.25077/TEKNOSI.v9i2.2023.113-121
Putera Utama Siahaan, A., & Inda, M. (2024). Analysis of Age and Gender Classification Using Decision Tree Model in the Context of Nursing Homes | Journal of Information Technology, computer science and Electrical Engineering. Journal of Information Technology, Computer Science and Electrical Engineering (JITCSE), Vol. 1, No. 2, 149–152. https://doi.org/10.61306/jitcse.v1i2
Risnawati, I., Rahma, S., Kusuma, F., Salsabila, N., Nourmasyah, A., Farhan, A., & Irfani, E. (2023). Klasifikasi Data Mining Untuk Mengestimasi Potensi Curah Hujan Berdampak Banjir Daerah Menggunakan Algoritma C4.5. Jurnal INSAN (Journal of Information Systems Management Innovation), olume 3 No. 2, 78–84. https://ojs.bsi.ac.id/index.php/jinsan/article/view/3050/1481
Rochman, E. A. A., Septiadi, F. M., & Wulandari, S. P. (2024). Analisis Faktor-Faktor yang Mempengaruhi Sosial Demografi di Indonesia Tahun 2023. Jurnal Pendidikan Tambusai, 8(3), 45478–45485. http://jptam.org/index.php/jptam/article/view/22072
Sang, A. I., Sutoyo, E., & Darmawan, I. (2021). ANALISIS DATA MINING UNTUK KLASIFIKASI DATA KUALITAS UDARA DKI JAKARTA MENGGUNAKAN ALGORITMA DECISION TREE DAN SUPPORT VECTOR MACHINE. E-Proceeding of Engineering, : Vol.8, No.5, 8954–8963.
Sari, N., Rosyid, R., & Syahrudin, H. (2014). PENGARUH STATUS EKONOMI KELUARGA TERHADAP MINAT PENDIDIKAN PERGURUAN TINGGI SISWA KELAS XII SMK PONTIANAK. Jurnal Pendidikan Dan Pembelajaran Khatulistiwa (JPPK), 3(6). https://doi.org/10.26418/JPPK.V3I6.5974
Sartika, D., & Iqbal, M. (2025). Analysis of the Most Popular Study Programs at Haji University of North Sumatra Using the Decision Tree Algorithm. Journal Of Data Science , 3(01), 23–35. https://doi.org/10.58471/JDS.V3I01.6459
Sosial, P., Mental, D. K., Putra Sinaga, P., & Sitorus, J. R. H. (2022). Pengaruh Sosial Ekonomi, Demografi dan Kesehatan Mental Terhadap Status Putus Sekolah Pada Usia SMA di Sumatera Utara Tahun 2021. Seminar Nasional Official Statistics, 2022(1), 713–722. https://doi.org/10.34123/SEMNASOFFSTAT.V2022I1.1133
Sutiono, S., & Nasution, D. (2024). Analysis of Student Graduation at SMK Negeri 1 Stabat Using the C4.5 Algorithm. Journal of Information Technology, Computer Science and Electrical Engineering, 1(3), 160–163. https://doi.org/10.61306/JITCSE.V1I3.96
Wahyudi, E., Wijaya, R. F., & Khairul, K. (2024). K-Means and Naive Bayes Algorithms for Evaluation of Education Personnel Performance Based on SPMI Standards. Sinkron : Jurnal Dan Penelitian Teknik Informatika, 8(3), 1872–1883. https://doi.org/10.33395/SINKRON.V8I3.13890
Waluyo, G., Nono, J., & Yoenanto, H. (2013). KECERDASAN EMOSIONAL SISWA SEKOLAH MENENGAH PERTAMA DITINJAU DARI FAKTOR DEMOGRAFI. Jurnal Psikologi Pendidikan Dan Perkembangan, Vol. 2 No. 02, 109–123. https://journal.unair.ac.id/filerPDF/jppp295bf539fefull.pdf
Zalukhu, A. I., & Iqbal, M. (2025). Analysis of Product Demand Prediction Using Decision Tree on Sales Data of Ceria Toys Store. Journal Of Data Science , 3(01), 10–22. https://doi.org/10.58471/JDS.V3I01.6458
Zalukhu, A. I., Sartika, D., & Wahyuni, S. (2024). Penerapan Algoritma Apriori untuk Optimasi Strategi Penjualan Berdasarkan Analisis Pola Pembelian di Torsa Cafe. Bulletin of Information Technology (BIT), 5(4), 295–304. https://doi.org/10.47065/BIT.V5I4.1715
Copyright (c) 2025 Ayu Ofta Sari, Muhammad Iqbal , Darmeli Nasution
This work is licensed under a Creative Commons Attribution 4.0 International License.
