Penerapan Algoritma C4.5 untuk Prediksi Keberlanjutan dan Risiko Ketidaklayakan Beasiswa Berbasis Data Akademik Mahasiswa

Abstract

Peninjauan kelanjutan beasiswa di perguruan tinggi umumnya baru dilakukan setelah satu semester berakhir, sehingga penerima yang terancam kehilangan bantuan terlambat teridentifikasi. Penelitian ini bertujuan membangun model klasifikasi berbasis algoritma C4.5 untuk memprediksi kelayakan penerima beasiswa pada semester berikutnya serta menilai ketepatan model dalam mengenali mahasiswa berisiko. Data yang digunakan adalah 64 Kartu Hasil Studi (KHS) anonim periode Ganjil 2022 hingga Genap 2025 yang, setelah semester bernilai belum lengkap dikeluarkan, menghasilkan 208 pasangan semester (t → t+1). Atribut pada semester t mencakup indeks prestasi kumulatif (IPK), indeks prestasi semester (IPS), SKS lulus, mata kuliah tidak lulus, dan tren IPS, sedangkan target pada semester t+1 dibagi menjadi Layak dan Tidak Layak dengan ambang sementara IPK ≥ 3,00 dan SKS lulus ≥ 18. Pemilihan atribut memakai entropy, information gain, dan gain ratio, dan kinerja diuji dengan validasi silang lima lipatan yang dikelompokkan per mahasiswa. IPK menjadi simpul akar (gain 0,1229; gain ratio 0,1178) dengan tiga aturan akhir: IPK Kurang berarti Tidak Layak, sedangkan IPK Cukup dan Tinggi berarti Layak. Akurasi validasi silang 94,0% hanya 1,7 poin di atas basis yang menebak semua mahasiswa Layak; pada kelas Tidak Layak, presisi 69,8%, recall 38,8%, dan F1 49,8%. Interval kepercayaan 95% bootstrap berbasis mahasiswa sangat lebar (recall 0,0%–61,9%), pohon setara aturan persistensi IPK(t) < 3,00, dan recall turun menjadi 21,8% tanpa satu mahasiswa. Model ini sesuai sebagai penyaring awal yang dilengkapi pertimbangan pengelola beasiswa, dan perlu diuji ulang dengan syarat kelayakan resmi serta data yang lebih besar.