Penerapan Seleksi Fitur Analysis of Variance pada Algoritma Random Forest Classifier dalam Klasifikasi Nilai Mahasiswa Studi Kasus: Universitas Muhammadiyah Kalimantan Timur

Abstract

Dalam lembaga pendidikan seperti universitas, penting untuk memperhatikan kinerja mahasiswa agar mereka dapat menyelesaikan studi mereka tepat waktu. Namun, masih terdapat masalah di mana sebagian mahasiswa tidak mampu menyelesaikan studi mereka dengan tepat waktu, bahkan ada yang memutuskan untuk berhenti atau tidak lagi aktif sebagai mahasiswa. Hal ini diperlihatkan oleh penurunan nilai mahasiswa pada mata kuliah Bahasa Indonesia dari angkatan 2020 hingga 2021 di UMKT. Untuk mengatasi masalah ini, diperlukan metode yang dapat mengukur kinerja mahasiswa dalam menyelesaikan studi mereka. Penelitian ini bertujuan untuk mengetahui atribut-atribut yang berpengaruh terhadap penurunan nilai mahasiswa dalam mata kuliah Bahasa Indonesia, serta meningkatkan akurasi algoritma Random Forest Classifier dengan menggunakan seleksi fitur ANOVA. Data yang digunakan dalam penelitian ini adalah data mahasiswa UMKT yang mengambil mata kuliah Bahasa Indonesia pada periode 2020/2021 hingga 2021/2022. Data diperoleh dari Bagian Administrasi Akademik (BAA) UMKT dan unit Mata Kuliah Dasar Umum (MKDU) UMKT dengan jumlah data sebanyak 1028. Proses analisis data dilakukan menggunakan metode 5-Fold Cross Validation. Hasil penelitian menunjukkan bahwa atribut-atribut seperti Progress, % Course completed, Tugas 1, dan Tugas 2 memiliki pengaruh signifikan terhadap penurunan nilai mahasiswa dalam mata kuliah Bahasa Indonesia. Selain itu, penggunaan seleksi fitur ANOVA pada algoritma Random Forest Classifier mampu meningkatkan kinerja algoritma tersebut dengan akurasi meningkat dari 85.65% menjadi 87.31%.