IMPLEMENTASI TD-COX PADA ANALISA SURVIVAL MAHASISWA DI UNIVERSITAS INTERNASIONAL BATAM

Transkripsi

1 Webse : jurnal.umj.ac.d/ndex.php/semnasek IMPLEMENTASI TD-COX PADA ANALISA SURVIVAL MAHASISWA DI UNIVERSITAS INTERNASIONAL BATAM Yayuk Seyanng Asuk 1*, Dan Tresnawan 2 *1 Prod Teknk Spl, Fakulas Teknk Spl dan Perencanaan, Unversas Inernasonal Baam, 2 Prod Teknk Elekro, Fakulas Teknolog Informas, Unversas Inernasonal Baam, JL. Gajah Mada Balo, Se-Lad, Baam Kepulauan Rau * E-mal : yayuk@ub.ac.d Absrak Reens mahasswa d Unversas elah menjad perhaan penddk selama beberapa dekade. Konsekuens dar kemunduran mahasswa sanga penng bag mahasswa, saf akademk dan Unversas. Dengan demkan, penngkaan reens mahasswa merupakan ujuan jangka panjang dar seap nsus akademk ermasuk Unversas Inernasonal Baam (UIB). Penelan n menggunakan daa yang dsusun dengan melacak 336 mahasswa yang erdafar d UIB mula ahun 213 sampa dengan 217. Varabel dependennya adalah semeser pada saa puus kulah (DO). DO ddefnskan sebaga mahasswa yang dak mendafar dalam semeser aau dengan IPK nol. Unuk mengevaluas knerja meode yang dusulkan dengan menjalankan dua rangkaan percobaan. Hasl percobaan unuk kedua jens analss yau predks dan esmas. Membandngkan meode TD- dengan lannya seper : Regres Logsk (LR), Penguaan Adapf (AB) dan Pohon Kepuusan (DT). Kemudan melakukan uj knerja model unuk mempresks puus kulah (DO) pada semeser yang berbeda unuk kedua percobaan. Hasl penelan n adalah meode TD- merupakan meode yang erbak dan kossen. Berdasarkan emuan dar penelan n, ka dapa menggunakan nformas pra-pendafaran seper es permulaan unuk mengdenfkas mahasswa yang beresko ngg unuk puus kulah. Hal u juga menunjukkan bahwa sau yang bsa dgunakan unukmengdenfkas yau jumlah yang dark aau lulus, saus kerja saa kulah dan IPK seap semeser sebaga perngaan awal unuk melakukan nervens keka mahasswa mmepunya knerja yang dak bak. Kaa kunc: Analss Daya Tahan, TD-, Penngkaan Mahasswa, Pendafaran, Predks Absrac Reenon of sudens a unverses has been a concern among educaors for many decades. The consequences of suden aron are sgnfcan for sudens, academc saffs and he unverses. Thus, ncreasng suden reenon s a long erm goal of any academc nsuon ncluded Unversas Inernasonal Baam. Ths sudy usng daase was compled by rackng 336 sudens enrolled a UIB Sarng from 213 unl 217. The dependen varable s he semeser of dropou. Dropou s defned as a suden who does no regser n a semeser or whose semeser GPA s zero. In order o evaluae he performance of he proposed mehods wh run wo ses of expermen. The expermenal resul for wo ypes of analyss: predcng dropou suden and esmang semeser of dropou. Comparng he performance of our proposed TD- and he oher mehods such as: Logsc Regresson (LR), Adapve Boosng (AB) and Decson Tree (DT). Tes he performance of he models o predc he suden dropou n dfferen semeser for he wo expermenal seups. The resul of hs research s he bes performance and conssen resul of he TD- mehod. Based on he fndngs of hs sudy, we can use pre-enrollmen nformaon such as screenng es o denfy suden who are a a hgher rsk of droppng ou of her sudy. I also shows ha one can use he number of whdrawn or passed cred, saus work durng school and GPA a each semeser as an early warnng o effecvely nervene when he sudens are dong poorly. Keywords : Survval Analyss, TD-, Suden Reenon, Enrollmen, Predcon. Semnar Nasonal Sans dan Teknolog 217 Fakulas Teknk Unversas Muhammadyah Jakara, 1-2 November 217 1

2 Webse : jurnal.umj.ac.d/ndex.php/semnasek PENDAHULUAN Salah sau ujuan jangka panjang dar seap Unversas adalah mengurang ngka kemunduran mahasswa [2]. Hal ersebu d laporkan bahwa sau dar empa mahasswa dropou dar Unversas seelah ahun peramanya dan menngka 5% pada akhr semeser keempa [11]. Reens Mahasswa merupakan area penelan yang banyak del d Insus Penddkan Tngg. Banyak nsus yang berkonsulas pada lembaga konsulan erka masalah ersebu. Pada dekade sebelumnya, model komprehensf elah dkembangkan unuk mengaas hal u secara eor. Kemudan dgunakan meode saska unuk mempredks suden dropou dan juga unuk menemukan fakor penng yang mempengaruh masalah ersebu. Regres merupakan eknk uama yang bsa daplkas pada area n [1]. Regres Logsk merupakan meode sask lannya yang serng dgunakan dalam kasus n. Banyak penjelasan yang bsa demukan unuk membanu nsus penddkan dalam mempredks rsko mahasswa [6]. Meode radsonal yang bsa dgunakan seper regres dan regres logsk yang elah dgunakan unuk mengdenfkas dropou suden pada beberapa dekade [5]. Sekarang n, masalah reens mahasswa elah menark perhaan para penel khususnya daa mnng dan merupakan proses yang panjang sera berganung pada waku [4]. Sehngga eknk analss daa longudnal sesua unuk konds ersebu. Keka analss predks elah dgunakan pada bdang ndusr selama berahun-ahun, nsus penddkan relaf erlamba mengadops pendekaan ersebu unuk pendukung pengamblan kepuusan. Begu juga dengan Unversas Inernasonal Baam, dmana seap ahunnya bsa dlha jumlah mahasswa yang dak bermbang anara yang masuk dan lulus. Meskpun 8% mahasswa menyelesakan sudnya dalam waku < 8 semeser. Teap mash ada mahasswa yang menyelesaakn sudnya lebh dar 8 semeser. Aas dasar ulah dkembangkan penelan dengan analss survval berdasarkan kerangka nformas arbu yang deapkan. Unuk ujuan ersebu akan dmplemenaskan dan Tme-Dependen (TD-) unuk masalah reens mahasswa. Ide dasarnya adalah menggunakan meode analss survval pada arbu nfomas saa seleks masuk unversas unuk mempredks suden dropou. Kemudan membandngkan dengan meode radsonal lannya. KERANGKA TEORI Dengan mengembangkan Tme- Dependen Model guna mempredks Suden Dropou dengan nformas Seleks Masuk Unversas dan Seelah Masuk Unversas. Berku adalah noas yang dgunakan dalam penulsan yang dsajkan dalam Tabel 1. Tabel 1. Noas yang dgunakan dalam penelan Noas Deskrps Jumlah Daa Jumlah arbu sak Jumlah Tme Dependen Marx arbu unuk mahasswa Z Marx Tme-Dependen unuk mahasswa Vekor waku kejadan akual Vekor waku ersensor Vekor dar waku mn YC, n p q X 1 x p 1 x q Y 1 nx nx nx C 1 T 1 1 d nx pengamaan yau Vekor bnary dar saus yang ersensor Jumlah kejadan waku S Survval Probably Dasar, S X Z Probablas kondsonal Survval pada waku Tngka Hazard Dasar h h X, Z Probablas kondsonal hazard Vekor koefsen dar Regres L β Fs. Maksmum Lkelhood unuk β β Kemudan ka akan mendefskan beberapa konds yan dgunakan dalam penelan n. Dropou Suden: ddefnskan mahasswa yang dak regser pada semeser ersebu aau yang mempunya IPK semeser nol Even: Suden dropou sebelem kelulusan aau kejadan yang menark. Semnar Nasonal Sans dan Teknolog 217 Fakulas Teknk Unversas Muhammadyah Jakara, 1-2 November 217 2

3 Webse : jurnal.umj.ac.d/ndex.php/semnasek Cencored: Jka mahasswa dak dropou pada 8 semeser perama aau baas yang denukan dalam penelan. ANALISIS SURVIVAL Analss survval elah menjad ala penng unuk menganalss daa waku anar kejadan (me o even daa) aau menganalss daa yang berhubungan dengan waku, mula dar me orgn sampa erjadnya suau perswa khusus. Pada aplkas analss survval, sanga umum erjad bahwa perode observas yang menark adalah dak lengkap unuk beberapa observas dan daa ersebu dkaakan ersensor. Msal n D X, Z, T, ; 1,, n menyaakan sampel dar daase D pada waku, dmana menyaakan sebuah vekor kovarae X 1 x p unuk subjek keka ada varabel sask pada daa. 1 xq vekor Z merepresenaskan kovara dar me dependen pada waku p dan T dnyaakan pada waku kejadan yang erobservas. Msalkan adalah me survval, eap mungkn n dak erama maka dengan T mn Y, C dmana adalah Y mengama waku ersensor. Jka daa elah ersensor dan bersama dengan maka akan dperoleh Y 1 Y C ndkaor varabel. Jad unuk Y C ndvdu, jka arnya ersensor dan jka 1maka dak ersensor. Mengnga adalah duras menjad varabel random konnu fungs survval, adalah T C S probablas dmana waku kejadan lebh erlamba dar waku erenu, maka dapa ddefnskan sebaga Pr 1 S T f u du F (1) dmana dan f u adalah fungs kepadaan peluang F adalah fungs dsrbus kumulaf. Fungs hazard aau ngka kejadan ddefnskan sebaga: Pr T d h lm (2) d d COX PROPORTIONAL HAZARD Salah sau meode yang popular pada analss survval adalah Proporonal Hazard Model [6]. Model n merupakan semparamerc dengan sedk asums darpada meode paramerk [4]. Model menyajkan secara mudah unuk mengnerpreaskan nformas erka hubugan fungs hazard ke predkor. Fungs Hazard unuk Proporonal Hazard Model mempunya benuk: m X exp y y h X h X h e (3) dmana h e hazard pada waku y1 adalah baselne fungs dan exp n 1 X adalah rsko yang erka dengan nla kovara. Oleh karena u, fungs probabalas unuk Model dapa dnyaakan sebaga exp X S X S (4) dmana S e h x dx (5) Parameer dar Model Regres desmas dengan memnnalsas Paral Lkelhood [7]. Berdasarkan formula Regres, paral lkelhood bsa dkonsrukskan dar daase benuk: L (6) : 1 j: j dmana exp X dan X,, 1 Xn adalah vekor kovara unuk ndvdu sampel ndependen pada daase. Dengan menyelesakan L, koefsen kovara dapa desmas dengan. Unuk mendapakan baselne fungs hazard pada fungs lkelhood, dmana dapa dgan dengan. Kemudan n h dapa dperoleh dar h 1 j (7) jr TIME-DEPENDENT COX (TD-COX) Regres Proporonal Hazard mempunya asums bahwa kovara dak erganung pada waku. Dengan kaa lan, keka kovara dak berubah dar waku ke j Semnar Nasonal Sans dan Teknolog 217 Fakulas Teknk Unversas Muhammadyah Jakara, 1-2 November 217 3

4 Webse : jurnal.umj.ac.d/ndex.php/semnasek waku aau saa daa hanya dkumpulkam unuk kovara pada sau k waku, maka meode yang epa adalah menggunakan varabel sas unuk menjelaskan haslnya. D ss lan dalam banyak suas (seper masalah reens mahasswa), maka ka bsa mendefnskan varabel me-dependen yang bsa berubah nlanya pada waku pengamaan. Unuk lebh memahamnya dberkan conoh lusras. Tabel 2 menunjukkan forma daa per mahasswa. Pada conoh n, unuk seap mahasswa dcaa Tme Dropou, Saus dan IPK yang dperoleh Seelah Masuk Kulah. Unuk Saus 1 arnya Suden Dropou dan unuk Suden No Dropou sampa waku observas. Tabel 2. Conoh Daa Mahasswa (IPK (1) erhadap IPK er Perama) Sud Tme Saus IPK(1) IPK(2) IPK(3) en ID_ ID_ ID_ Kemudan, unuk me-dependen analss survval membuuhkan forma unuk menghung prosesnya dengan forma yang berbeda dan dsajkan dalam Tabel 3. Tabel 3. Conoh Daa Survval Berdasarkan Formang Suden Saus IPK ID_ ID_ ID_ ID_3 1 4 ID_ ID_ Pada penelan n, akan dkembangkan Tme Dependen Regresson yang dkenal TD-, yang secara smulan akan menangan kovara sas dan erganung waku. Kemudan Fungs Hazard-nya bsa ddefnskan sebaga: h X, Z h X Z e (8) Konsekuensnya, fungs probablas survval unuk TD- Model dapa dformulaskan sebaga: exp X Z S X, Z S (9) Perlu dkeahu bahwa TD- Parameer dapa dperoleh dar smulas daa berdasarkan fungs Maksmum Lkelhood. Kemudan dengan menggunakan (9), dapa desmas peluang dropou dar seap mahasswa pada daa es. ALGORITMA : TD- Mehod Inpu : Suden daa n D X, Z, T, Oupu: Probably of Suden Dropou Bagan 1 : Reformang Daa for do ; end 1 o n T c T for for j o T c do k 1 o q do k k Z Z j j j ; ; f 1 and j T hen else end end end S j 1 S j ; Bagan 2 : TD- Mehod s TD- Mehod, dan persamaan (6) dan (7). For each suden n he es daa do end Esmae, S X Z from Eq. (9), 1 S X, Z F X Z c h menggunakan METODE Dalam penelan n, daa se dsusun dengan melacak 336 mahasswa yang erdafar d Unversas Inernasonal Baam mula angkaan ahun 213 sampa dengan 217. Danaranya ada yang dropou pada akhr ahun perama, kedua, kega dan keempa. Dependen varabel adalah semeser dropou. Dalam penelan n, dropou ddefnskan sebaga mahaswa yang dak mendafar aau yang mempunya IPK semeser nol. Unuk mengevaluasnya, ka menggunakan dua rangkaan percobaan dengan keenuan sebaga berku: (1) Mengumpulkan nformas mahasswa yang masuk d UIB dar 213 sampa 217 dan Semnar Nasonal Sans dan Teknolog 217 Fakulas Teknk Unversas Muhammadyah Jakara, 1-2 November 217 4

5 Webse : jurnal.umj.ac.d/ndex.php/semnasek mencaa rekaman mahasswa sampa 8 semeser dan (2) Memoong observas d semeser Ganjl 217, karena dsemeser n hanya memlk caaan sau semeser. Seelah persapan daa dan screenng daa, akhrnya dperoleh 21 arbu predkor dengan kaegor yau: Demograf, Laar Belakang Keluarga, Keuangan, Informas Asal Sekolah, Asal Daerah, Saus Pekerjaan Saa Kulah, Seleks Masuk Unversas dan Seelah Masuk Unversas. Dengan menggunakan perbandngan Meode TD- dengan meode radsonal lannya (Logsc Regresson-LR, Adapve Boosng-AB, Decson Tree-DT, dan Tme Dependen -TD ). HASIL DAN PEMBAHASAN Pada bagan n dsajkan hasl analss survval mahasswa unuk mempredks dropou. Menjelaskan sumber daa yang dgunakan, menenukan varabelnya unuk modelnya dan menggambarkan evaluas merk yang dgunakan unuk membandngkan hasl yang dusulkan dengan meode lannnya. Dafar lengkap arbu dan deskrps dsajkan dalam Tabel 4 unuk dgunakan analsa perbandngan anara meode TD- dengan lannya. Tabel 4. Ls Arbu yang dgunakan dalam penelan. Ls Arbu Demograf : - Jens Kelamn - Suku - Agama - Tempa Tnggal Laar Belakang Keluarga : - Jenjang Penddkan Ayah - Jenjang Penddkan Ibu - Jumlah Anggoa Keluarga yang menempuh penddkan d Unversas Keuangan: - Jumlah Pengeluaran Mahasswa - Jumlah Pengeluran Orang Tua - Pendapaan Mahasswa Informas Asal Sekolah: - Jens Sekolah Asal - Nla UN - Asal Sekolah Saus Pekerjaan Selama Kulah : - Kulah Dengan Kerja - Jens Pekerjaan Seleks Masuk Unversas: - Gelombang Pendafaran/Seleks - Jens Mahasswa Beasswa/Tdak Seelah Masuk Unversas: - Kelas Pag/Sore - Persenase SKS lulus - Pendapaan Orang Tua - Persenase SKS gagal - IPK er Agar memlk ukuran kuanaf unuk mengesmas model yang dusulkan dengan membandngkan eknk klasfkas yang lan, maka dgunakan dua se percobaan. Membag daa se ke dalam Tranng dan Tesng. Tranng erdr dar daa yang erdr dar caaan mahasswa yang sudah derma dar ahun 213 sampa dengan 216. Daa Tesng yang erdr dar mahasswa yang derma pada ahun 217 dak erpaka unuk membangun model. Valdas dlakukan sebanyak 1-fold pada daa Tranng dan Tesng pada abel yang erpsah. Dengan menggunakan eknk Cross Valdaon Srafed sebanyak 1 kal, dmana membag seap daa se menjad 1 subse, yang dsebu fold dengan krera yang hampr sama dan dsrbus yang sama dar mahasswa yang dropou dan non-dropou. Pada seap percobaan, sau kal fold dgunakan unuk menguj model yang elah dkembangkan dar 9 fold yang erssa selama fase Tranng. Kemudan seap meode dhung sebaga raaraa dar 1 percobaan. Meode n ka erapkan dalam bahasa pemrograman R dengan menggunakan package Survval. Unuk menla model yang dusulkan dalam masalah klasfkas maka dgunakan merk berku n: (1) Accuracy dnyaakan dalam benuk presenase subjek pada Tesng yang dklasfkaskan dengan benar. (2) F-Measure ddefnskan sebaga Mean of Precson dan Recall yang harmons. Nla F-Measure yang ngg menunjukkan bahwa Precson dan Recall juga cukup ngg. 2 x Precson x Recall F Measure Precson Recall TP TP Precson dan Recall TP FP TP FN dmana TP : True Posve, FP : False Posve dan FN : False Negave. (3) AUC dnyaakan sebaga area dbawah ROC (Recever Operang Characersc) dmana kurva dbua dengan membua plo TPR (True Posve Rae) erhadap FPR (False Posve Rae) dengan berbaga nla reshold. Unuk mempredks Tme o Dropou dgunakan Mean Absolue Error (MAE). (4) Mean Absolue Error (MAE) adalah Jumlahan yang dgunakan unuk mengukur seberapa deka hasl predks erhadap hasl akual yang dnyaakan dalam benuk: 1 n n 1 MAE y y Semnar Nasonal Sans dan Teknolog 217 Fakulas Teknk Unversas Muhammadyah Jakara, 1-2 November 217 5

6 Webse : jurnal.umj.ac.d/ndex.php/semnasek dmana y adalah nla predks dan. y adalah nla sebenarnya unuk subjek Unuk MAE juga dlakukan evaluas model yau : (1) Underesmaed Predcon Error Rae (UPER) yang ddefnskan sebaga pecahan dar Underesmaed Predcon Oupu aas Predcon Error keseluruhan. UPER n I y y 1 n n I y y I y y 1 1 (2) Overesmaed Predcon Error Rae (OPER) : kesalahan oal adalah konsan, sehngga OPER dapa dnyaakan dalam benuk: OPER 1 UPER Hasl percobaan unuk dua jens analss yau Predcng Dropou Suden dan Esmang er of Dropou. (a) Predcng Dropou Suden Dengan membandngkan hasl dar TD- dan meode Sandar erhadap kega eknk klasfkas yau Logsc Regresson (LR), Adapve Boosng (AB), dan Decson Tree (DT). Ka menguj hasl dar model unuk mempredks Suden Dropou dsemeser yang berbeda dar percobaan yang ddesan seper djelaskan daas. Haslnya dunjukkan pada Tabel 5-8. Dar Tabel ersebu, ka dapa melha bahwa hasl yang erbak dan hasl yang konssen dperoleh dar meode TD-. Pada penelan n, seper yang djelaskan pada Tabel 4, maka ddefnskan 4 varabel Seelah Masuk Unversas ermasuk Kelas Pag/Sore, Persenase SKS yang Lulus, Persenase SKS yang Gagal dan IPK er. Keka menggunakan arbu ersebu bersama dengan Seleks Masuk Unversas pada TD- model yang dusulkan, maka akan dperoleh hasl klasfkas yang lebh bak. Kemudan, dak seper meode klasfkas lannya, TD- mempunya kemampuan menggunakan nformas yang lebh pada arbu Seelah Masuk Unversas dengan memperkenalkan me dependen pada model. Dss lan, walaupun menggunakan arbu Seleks Masuk Unversas, menyajkan hasl yang lebh bak jka dbandngkan dengan meode klasfkas yang lan. Berdasarkan hasl ersebu, meode menngkakan Predcon Accuracy of Suden Dropou sekar 8.7%. Sehngga Model Regres akan menjad plhan yang lebh bak unuk masalah klasfkas dalam Longudnal daa jka dbandngkan dengan meode radsonal. (b) Esmang er of Dropou Tabel 13 menunjukkan hasl 1-fold cross valdaon daa dan 217 sebaga daa es dengan menggunakan rancangan expermenal 1 dan 2. Kemudan membandngkan hasl dengan Lner Regresson dan Suppor Vecor Regresson (SVR). TD- dak bsa dgunakan unuk ujuan n dan hanya bsa dgunakan unuk nformas Seleks Masuk Unversas guna mengesmas er of Dropou. TD- bsa dgunakan sebaga nformas Seelah Masuk Kulah seelah semeser kulah dmula. Berdasarkan Tabel 9 dengan adanya daa yang ersensor, unuk analss survval, model lebh bak dar meode regres radsonal. Hal n juga bsa dlha mempunya nla UPER ngg, hal n mengndkaskan bahwa error secara keseluruhan berasal dar underesmang he semeser of dropou. Kemudan, dapa dlha bahwa nla sandar devas unuk LR, AB, DT, dan TD- bak unuk Expermen 1 dan Expermen 2 yang dsajkan dar Tabel Tabel 5. Hasl dar LR, AB, DT dengan dan TD- Reens Mahasswa d UIB dar (Exp 1) unuk Seap er dengan 1-fold Cross Valdaon. er LR AB DT TD- LR AB DT TD- LR AB DT TD Semnar Nasonal Sans dan Teknolog 217 Fakulas Teknk Unversas Muhammadyah Jakara, 1-2 November 217 6

7 Webse : jurnal.umj.ac.d/ndex.php/semnasek Tabel 6. Hasl dar LR, AB, DT dengan dan TD- Reens Mahasswa d UIB pada 217 (Exp1) unuk Seap er. er LR AB DT TD- LR AB DT TD- LR AB DT TD Tabel 7. Hasl dar LR, AB, DT dengan dan TD- Reens Mahasswa d UIB dar (Exp 2) unuk Seap er dengan 1-fold Cross Valdaon. er LR AB DT TD- LR AB DT TD- LR AB DT TD Tabel 8. Hasl dar LR, AB, DT dengan dan TD- Reens Mahasswa d UIB pada 217 (Exp2) unuk Seap er. er LR AB DT TD- LR AB DT TD- LR AB DT TD / Tabel 9. Sandar Devas dar LR, AB, DT dengan dan TD- Reens Mahasswa d UIB dar (Exp 1) unuk Seap er dengan 1-fold Cross Valdaon. er LR AB DT TD- LR AB DT TD- LR AB DT TD Semnar Nasonal Sans dan Teknolog 217 Fakulas Teknk Unversas Muhammadyah Jakara, 1-2 November 217 7

8 Webse : jurnal.umj.ac.d/ndex.php/semnasek Tabel 1. Sandar Devas dar LR, AB, DT dengan dan TD- Reens Mahasswa d UIB pada 217 (Exp1) unuk Seap er. er LR AB DT TD- LR AB DT TD- LR AB DT TD Tabel 11. Sandar Devas dar LR, AB, DT dengan dan TD- Reens Mahasswa d UIB dar (Exp 2) unuk Seap er dengan 1-fold Cross Valdaon. er LR AB DT TD- LR AB DT TD- LR AB DT TD Tabel 12. Sandar Devas dar LR, AB, DT dengan dan TD- Reens Mahasswa d UIB pada 217 (Exp2) unuk Seap er. er LR AB DT TD- LR AB DT TD- LR AB DT TD Tabel 13. Hasl dar Meode Regres Lner, SVR dan pada Predks er Dropou d UIB dar unuk Seap er dengan 1-fold Cross Secon Valdaon dan Reens Daa Mahasswa 217 dengan Kedua Expermen (Exp 1 dan Exp 2) Model 1-fold Cross Valdaon Daa Tes (Tahun 217) MAE UPER OPER MAE UPER OPER Regresson Exp 1 SVR Regresson Exp 2 SVR SIMPULAN DAN SARAN Semnar Nasonal Sans dan Teknolog 217 Fakulas Teknk Unversas Muhammadyah Jakara, 1-2 November 217 8

9 Webse : jurnal.umj.ac.d/ndex.php/semnasek Ls arbu yang dgunakan dalam penelan n yang palng berpengaruh erhadap Suden Dropou adalah arbu Seleks Masuk Unversas dan Seelah Masuk Unversas. Dlakukan ga klasfkas model yau Accuracy, F-Measure dan AUC. Dar klasfkas ersebu dlakukan perbandngan meode yau Logsc Regresson (LR), Adapve Boosng (AB), Decson Tree (DT), dan Tme-Dependen (TD-). haslnya dperoleh bahwa meode yang palng bagus adalah TD-. Jka dbandngkan anara dan TD- nla performance-nya sama unuk semeser 1 bak unuk Expermen 1 maupun Expermen 2. Secara keseluruhan, meode TD- memberkan performance yang ngg unuk AUC dku F-Measure dan Accuracy. Sedangkan unuk nla sandar devas dar ga klasfkas model juga memberkan kesmpulan yang sama, yau meode TD- memberkan nla yang sama dengan meode unuk er 1 bak unuk Expermen 1 dan Expermen 2 dan yang erngg ada dalam klasfkas AUC jka dbandngan F-Measure dan Accuracy. Unuk esmas Tme o Dropou dgunakan meode MAE dengan evaluas model menggunakan UPER dan OPER. Dengan adanya daa yang ersensor, memberkan nla UPER ngg dbandngkan meode Regresson dan SVR. Hal n mengndkaskan bahwa error secara keseluruhan berasal dar underesmang he semeser of dropou. Berdasarkan hasl penelan n dapa penuls menyarankan kepada para pmpnan Program Sud dan Dekan unuk membangun hubungan akademk anara Tenaga Penddk dengan Mahasswa eruama mahasswa semeser 1 mengnga sebanyak 8.7% suden dropou ada dsemeser n. Penelan n dapa dndaklanju dengan mengembangkan arbu lannya, sehngga lebh komprehensf dengan meode esmas lannya. Mempredks mahasswa yang akan dropou dar kulah sangalah penng dan merupakan ugas yang penuh anangan bag nsus penddkan ermasuk UIB. Dengan menjalankan berbaga sraeg yang bak akan menurunkan resko suden dropou. UCAPAN TERIMAKASIH Penel menyampakan rasa erma kash kepada Kemenrsekdk yang elah memberkan kesempaan dalam Kompes Hbah Penelan. Penelan n merupakan bagan dar Penelan Dosen Pemula Kemenrsekdk Pendanaan Tahun 217. Selan u, erma kash penuls sampakan kepada LPPM Unversas Inernasonal Baam yang elah memfaslas dalam penelan n dengan Konrak Penelan Dosen Pemula Nomor : 8/LPPM1.1.1/DP/217. DAFTAR PUSTAKA [1]A. Nandeshwar, T. Menzes & A. Nelson Learnng paerns of unversy suden reenon. Exper Sysem wh Applcaons. 38(12): [2]Asuk, Yayuk S Implemenas Proporonal Hazard Model Paremaerk unuk Analss Survval Mahasswa. Laporan Penelan Hbah Dosen Pemula 217. [3]B. K. Bhardwaj & S. Pal A predcon for performance mprovemen usng classfcaon. Inernaonal Journal of Compuer Scence and Informaon Secury, 9(4): [4]C. H. Yu, S. DGang, A. Jannasch-Pennel & C. Kaprole. 21. A daa mnng approach for denfyng predcors of suden reenon from sophomore o junor year. Journal of Daa Scence, 8: [5]D. Delen Predcng suden aron wh daa mnng mehods. Journal of College Suden Reenon: Research, Theory & Pracce. 13 (1): [6]J. G. Glynn, P.L. Sauer & T. E. Mller A logsc regresson model for he enhancemen of suden reenon: The denfcaon of a-rsk freshmen. Inernaonal Busness & Economcs Research Journal (IBER), 1(8). [7]Lawless, J.F Sascal Models and Mehods for Lfeme Daa. John Wley & Sons, Inc. USA. [8]M. J. Fard, S. Chawla & C. K. Reddy Early-sage even predcon for longudnal daa. In Pacfc-Asa Semnar Nasonal Sans dan Teknolog 217 Fakulas Teknk Unversas Muhammadyah Jakara, 1-2 November 217 9

10 Webse : jurnal.umj.ac.d/ndex.php/semnasek Conference on Knowledge Dscovery and Daa Mnng, pages Sprnger. [9]M. Quadr & N. Kalyankar. 21. Dropou feaure of suden daa for academc performance usng decson ree echnques. Global Journal of Compuer Scence and Technology. 1(2): 1-5. [1]Paura, Lga & Arhpova, Irana Cause Analyss of Suden Dropou Rae n Hgher Educaon Sudy Program. ELSEVIER Journal, Volume 19, Pages [11]R. Alkhasawneh Developng a hybrd model o predc suden frs year reenon and academc success n STEM dscplnes usng neural nework. PhD Thess, Vrgna Commonwealh Unversy. Semnar Nasonal Sans dan Teknolog 217 Fakulas Teknk Unversas Muhammadyah Jakara, 1-2 November 217 1