PREDIKSI PENERIMAAN MAHASISWA BARU FAKULTAS ILMU KOMPUTER UNSIKA MENGGUNAKAN ALGORITMA C4.5 DAN CART

Abstract

Penerimaan mahasiswa baru merupakan aspek penting dalam pengelolaan pendidikan tinggi, termasuk di Universitas Singaperbangsa Karawang (Unsika) melalui jalur Seleksi Nasional Berdasarkan Prestasi (SNBP). Jalur ini menilai prestasi akademik siswa tanpa melalui tes tulis, namun masih menghadirkan tantangan dalam menentukan indikator keberhasilan seleksi. Di Fakultas Ilmu Komputer, tingkat persaingan sangat tinggi sehingga diperlukan pendekatan berbasis data untuk mendukung proses seleksi yang lebih objektif. Penelitian ini menerapkan algoritma decision tree C4.5 dan CART untuk memprediksi penerimaan calon mahasiswa baru berdasarkan data historis, dengan menerapkan metode SMOTE untuk mengatasi ketidakseimbangan data dan cost complexity pruning untuk meningkatkan generalisasi model. Proses data mining mengikuti tahapan Knowledge Discovery in Databases (KDD), dengan pengujian menggunakan pembagian data 80:20. Hasil evaluasi menunjukkan bahwa model C4.5 yang menerapkan SMOTE dan pruning memberikan performa terbaik, dengan akurasi sebesar 85% dan nilai ROC 0,92, mengungguli CART yang memiliki akurasi sama namun nilai ROC lebih rendah sebesar 0,89. Temuan ini menunjukkan bahwa algoritma C4.5 lebih unggul dalam mendukung proses prediksi penerimaan mahasiswa baru di lingkungan perguruan tinggi.