Logo UNTAN Universitas
Tanjungpura
Pontianak

Klasifikasi Kelulusan Mahasiswa FMIPA Untan dengan Light Gradient Boosting Machine

Utin, Azwa Sayhani Sadikin (2025) Klasifikasi Kelulusan Mahasiswa FMIPA Untan dengan Light Gradient Boosting Machine. Skripsi thesis, Universitas Tanjungpura.

[img] PDF (Cover-Bab1)
Cover-Bab1_H1091211036.pdf - Published Version

Download (1MB)
[img] PDF (H1091211036_UTIN_AZWA_SAYHANI_SADIKIN)
H1091211036_UTIN_AZWA_SAYHANI_SADIKIN.pdf - Accepted Version
Restricted to Repository staff only

Download (1MB)

Abstract

Kelulusan mahasiswa tepat waktu merupakan salah satu indikator keberhasilan dalam pendidikan tinggi. Pencapaian ini dipengaruhi oleh berbagai faktor, seperti performa akademik, latar belakang pendidikan, serta aspek sosial dan ekonomi. Oleh karena itu, diperlukan metode klasifikasi yang efektif untuk membantu pihak program studi maupun fakultas dalam menganalisis faktor-faktor yang berkontribusi terhadap kelulusan mahasiswa dan mengambil langkah strategis yang tepat. Salah satu metode yang dapat digunakan adalah, Light Gradient Boosting Machine (LightGBM), yaitu sebuah algoritma berbasis Gradient Boosting Decision Tree yang dioptimalkan efisiensi dan kecepatannya. Penelitian ini bertujuan untuk mengklasifikasikan kelulusan mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Tanjungpura (UNTAN) menggunakan metode Light Gradient Boosting Machine (LightGBM) dan mengevaluasi hasil klasifikasi tersebut dengan nilai akurasi. Dataset yang digunakan mencakup berbagai variabel seperti faktor akademik yaitu, Indeks Prestasi Semester, dan faktor ekonomi keluarga. Proses pembangunan model dimulai dengan tahap pra-pemrosesan data, termasuk pembersihan data, transformasi variabel. Model LightGBM kemudian dibangun menggunakan hyperparameter yang dioptimalkan untuk memperoleh performa terbaik. Setelah pembuatan model selesai, model disimpan dan dimuat kembali untuk melakukan klasifikasi pada data. Hasil penelitian tersebut didapatkan kesimpulan bahwa mahasiswa yang mendapatkan nilai IP <3 pada 4 semester awal berpotensi tidak lulus tepat waktu. Akurasi yang dihasilkan menggunakan model yang telah dibangun menggunakan metode LightGBM mendapatkan hasil sebesar 75, 3%, hasil akurasi tersebut menunjukkan sebesar 75, 3% dari data berhasil di klasifikasi dengan benar.

Item Type: Thesis (Skripsi)
Creators:
CreatorsNomor Induk Mahasiswa (NIM)Email
Utin, Azwa Sayhani SadikinNIMH1091211036UNSPECIFIED
Subjects: 500 – Ilmu Pengetahuan > 510 Matematika > 511 Prinsip-prinsip umum matematika
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistik S1
SWORD Depositor: Rudiarti Rudiarti
Depositing User: Rudiarti Rudiarti
Date Deposited: 25 Jun 2026 03:03
Last Modified: 25 Jun 2026 03:03
URI: https://repository.untan.ac.id/id/eprint/5798

Actions (login required)

View Item View Item