Dropout adalah kondisi ketika mahasiswa keluar dari program pendidikan yang
dijalani, hal ini menjadi masalah penting yang memengaruhi mahasiswa dan
institusi pendidikan. Di Universitas Sebelas Maret (UNS), 23,9% mahasiswa
angkatan 2013 mengalami dropout.
Untuk menekan angka ini, diperlukan prediksi dini menggunakan data dari SIAKAD
UNS menggunakan bantuan Educational Data
Mining (EDM). EDM menggunakan algoritma machine learning memanfaatkan data
yang dimuat di dalam SIAKAD untuk mengidentifikasi pola-pola penting yang
berkaitan dengan mahasiswa dropout.
Penelitian ini membandingkan algoritma dasar seperti algoritma Decision Tree (DT), K-Nearest
Neighbors (KNN), Logistic Regression
(LR), Extreme Gradient Boosting (XGBoost), dan
Random Forest (RF),
serta algoritma ensemble seperti stacking dan weighted
stacking untuk memprediksi dropout. Hasilnya menunjukkan bahwa weighted stacking
memberikan f1-score terbaik sebesar 93.31%. Selain itu, analisis fitur
dilakukan untuk mengidentifikasi faktor-faktor yang memengaruhi dropout dimana faktor akademis merupakan
faktor paling berpengaruh terhadap dropout. Penelitian ini diharapkan
berkontribusi dalam pengembangan metode klasifikasi dan analisis faktor dropout mahasiswa.
