Penulis: Caesaria Salma Salsabilla Fardani – Alumni BION Computer Science (2602298286)

Halo rekan-rekan! Sebagai alumni yang kini bergelut di dunia data, saya sering melihat orang berpikir bahwa Data Science hanya untuk menaikkan profit perusahaan. Padahal, kekuatannya bisa digunakan untuk isu sosial dan pendidikan yang sangat nyata, salah satunya: Mencegah Dropout Mahasiswa.

Sumber: Penelitian Alumni

Berdasarkan paparan dari tim Computer Science & Data Science BINUS ONLINE, mari kita bahas bagaimana data bisa menyelamatkan masa depan akademik seseorang.

Mengapa Prediksi Kelulusan Itu Penting?

Di dunia kampus, dropout bukan hanya kerugian bagi mahasiswa, tapi juga bagi institusi. Seringkali, mahasiswa yang kesulitan baru terdeteksi saat masalahnya sudah terlalu berat (seperti IPK yang anjlok drastis atau sudah lama tidak aktif).

Dengan bantuan Machine Learning, kita bisa melakukan Intervensi Dini. Kita bisa memprediksi siapa yang berisiko sebelum hal itu benar-benar terjadi.

Bagaimana Cara Kerjanya? (The Expertise)

Dalam riset yang dipaparkan, prosesnya mengikuti alur Data Science standar yang sangat disiplin:

  1. Analisis Fitur (Variabel Penentu): Ternyata, bukan cuma IPK yang berpengaruh. Data seperti jenis kelamin, umur saat masuk, status bekerja, hingga jumlah SKS yang diambil per semester menjadi variabel penting untuk menentukan profil mahasiswa.

  2. Algoritma yang Digunakan: Riset ini membandingkan beberapa algoritma populer seperti Random Forest dan XGBoost. Keduanya dikenal sangat handal dalam menangani data tabular dengan pola yang kompleks.

  3. Akurasi Tinggi: Pengujian menunjukkan bahwa model mampu memprediksi dengan tingkat akurasi yang sangat baik. Artinya, pihak kampus bisa memiliki daftar “peringatan dini” secara otomatis.

Peran Penting Pre-processing

Sebagai catatan dari pengalaman saya, bagian paling krusial dalam proyek ini adalah data cleaning dan handling imbalanced data. Biasanya, jumlah mahasiswa yang lulus tepat waktu jauh lebih banyak daripada yang dropout. Jika data ini tidak diseimbangkan (misal dengan teknik SMOTE), model kita bisa “malas” dan hanya memprediksi semua orang akan lulus.

Implementasi Nyata

Bayangkan sebuah dasbor di bagian kemahasiswaan. Begitu ada mahasiswa yang profilnya menunjukkan indikasi risiko tinggi berdasarkan prediksi model, dosen pembimbing akademik bisa langsung memberikan sesi konseling khusus. Inilah yang kita sebut dengan Data-Driven Decision Making di dunia pendidikan.

Penutup

Teknologi ini membuktikan bahwa angka-angka di database bukan sekadar baris mati. Di tangan yang tepat, data bisa menjadi alat bantu untuk memberikan kesempatan kedua bagi mahasiswa yang sedang berjuang. Bagi kalian yang tertarik di bidang Data Science, ini adalah contoh proyek portofolio yang sangat bermakna!

Teruslah belajar dan mari gunakan teknologi untuk dampak positif.

Disarikan dari video presentasi “PREDIKSI KELULUSAN MAHASISWA UNTUK MENCEGAH DROPOUT”. Tonton video lengkapnya di sini: https://www.youtube.com/watch?v=V02Ahnx-i9A