Font Size: 

Ketepatan waktu lulus dijadikan sebagai keberhasilan mahasiswa dalam menempuh pendidikan yang dapat dilihat dari waktu yang ditempuh dan dapat diukur dari predikat kelulusan yang diperoleh. Karakteristik mahasiswa yang memiliki kecendrungan lulus tidak atau tepat waktu dapat dianalisis menggunakan data mining dengan teknik klasifikasi. Classsification and Regression Tree (CART) merupakan salah satu metode pohon klasifikasi. Pada CART terdapat kelemahan yaitu kurang stabil dalam memprediksi pohon klasifikasi tunggal. Kelemahan pada CART dapat diperbaiki akurasi klasifikasinya dengan menggunakan metode Ensemble, salah satunya Bootstrap Aggregating (Bagging) yang mampu mengurangi kesalahan pengklasifikasian dan meningkatkan akurasi pada model klasifikasi tunggal. Penelitian ini bertujuan untuk mengklasifikasikan dan menentukan akurasi Bagging CART dalam kasus ketepatan klasifikasi kelulusan mahasiswa. Variabel yang digunakan yaitu Ketepatan waktu lulus yang dikategorikan menjadi dua, yaitu Tidak dan Tepat waktu, Jenis kelamin, IPK Semester 1, IPK Semester 2, IPK Semester 3, IPK Semester 4, Daerah asal domisili, Akreditas Sekolah, Jalur masuk, Beasiswa dan TUTEP pertama. Klasifikasi yang baik dapat dilihat dari nilai akurasi. Metode pohon klasifikasi tunggal CART memperoleh nilai akurasi sebesar 70%. Sedangkan dengan menggunakan metode Bagging CART memperoleh akurasi sebesar 85,71%. Berdasarkan nilai akurasi yang diperoleh dapat disimpulkan bahwa menerapkan metode Bagging dapat meningkatkan akurasi dan memperbaiki kesalahan klasifikasi pada pohon klasifikasi tunggal CART sebesar 15,71%.

Bagging cart, cart, ensemble, ketepatan waktu lulus