Analisis Prediksi Kelulusan Course Pada E-Learning Menggunakan Model Klasifikasi

Abstract

Akademi Anti Korupsi merupakan platform belajar dengan basis E-Learning yang mudah diakses oleh semua masyarakat sehingga dapat belajar mengenai korupsi dan cara–cara memeranginya. Pada tahun 2021, jumlah pendaftar E-Learning Akademi Anti Korupsi mengalami penurunan secara drastis sebesar 52% dengan jumlah lulusan sebesar 71%. Akademi Anti Korupsi belum memiliki model yang dapat memprediksi kelulusan course peserta. Solusi untuk memprediksi kelulusan seseorang dapat menggunakan proses data mining. Tujuan dari penelitian ini untuk memprediksi kelulusan course dengan membandingkan metode data mining klasifikasi yaitu Decision Tree dan Random Forest, berdasarkan nilai akurasi menggunakan software orange yang memiliki keunggulan dalam visual programming. Data yang akan digunakan sebagai atribut yaitu data form registrasi yang sudah dilengkapi peserta akademi anti korupsi diantaranya jenis kelamin, pekerjaan, pengalaman pendidikan anti korupsi, umur, institusi, pengalaman E-Learning dan alasan mengikuti E-Learning anti korupsi. Pada penelitian ini, dilakukan prediksi kelulusan course menggunakan dua dataset yaitu dataset missing value dan dataset tanpa missing value. Hasil penelitian dengan menggunakan dua metode klasifikasi ini menunjukkan bahwa metode Random Forest dengan dataset missing value yang paling baik dalam melakukan prediksi kelulusan course peserta akademi antikorupsi dengan nilai akurasi sebesar 74,6% yaitu klasifikasi cukup (fair classification). Faktor signifikan yang mempengaruhi kelulusan course adalah umur, domisili, dan jenis kelamin.