Student Academic Prediction System

Total Mahasiswa

120

Dataset keseluruhan

Akurasi Model

87.5%

Decision Tree

Mahasiswa Berisiko

34

28.3% dari total

Tepat Waktu Lulus

79

65.8% dari total

Distribusi Status Risiko

n=120

Tidak Berisiko (71.7%)

Berisiko (28.3%)

Distribusi Prediksi Kelulusan

n=120

Tepat Waktu (65.8%)

Terlambat (34.2%)

Rata-rata Fitur per Status Risiko

Komparasi

Feature Importance

Decision Tree

Dataset Mahasiswa

120 records · 15 sampel

ID	IPK	Kehadiran	Nilai MK	Status Risiko	Prediksi Lulus

Input Data Mahasiswa

6 Fitur

IPK 3.00

0.004.00

Kehadiran 80%

0%100%

Nilai Rata-rata MK 75

0100

SKS Lulus 100

0160

MK Mengulang 1

010

Semester 6

114

Hasil Prediksi Model

Status Risiko

—

Prediksi Kelulusan

—

Accuracy

87.5%

Precision

84.2%

Recall

81.6%

F1-Score

82.9%

Confusion Matrix — Status Risiko

n=100

Pred: Aman

Pred: Risiko

Aktual: Aman

61TP

8FP

Aktual: Risiko

7FN

24TN

Benar (TP+TN = 85)

Salah (FP+FN = 15)

Confusion Matrix — Prediksi Lulus

n=100

Pred: Tepat

Pred: Lambat

Aktual: Tepat

57TP

9FP

Aktual: Lambat

6FN

28TN

Benar (TP+TN = 85)

Salah (FP+FN = 15)

Perbandingan Algoritma

Akurasi (%)

Informasi Model

Konfigurasi

Algoritma	Decision Tree Classifier
Library	scikit-learn (Python)
Dataset	120 records, 6 fitur
Split	80% Training / 20% Testing (96 / 24)
Max Depth	5
Criterion	Gini Impurity