NUGROHO, DEDIE (2026) PREDIKSI KELULUSAN TEPAT WAKTU PROGRAM PENDIDIKAN PROFESI DOKTER GIGI MENGGUNAKAN ALGORITMA RANDOM FOREST. Undergraduate thesis, Universitas Islam Sultan Agung.

[thumbnail of Teknik Informatika_32602200151_fullpdf.pdf] Text
Teknik Informatika_32602200151_fullpdf.pdf
| Download (7MB)
[thumbnail of Teknik Informatika_32602200151_pernyataan_publikasi.pdf] Text
Teknik Informatika_32602200151_pernyataan_publikasi.pdf
Restricted to Registered users only
| Download (492kB)

Abstract

Jumlah Dokter Gigi per bulan Mei tahun 2025 di Indonesia masih kecil dibandingkan dengan jumlah penduduk. Pemerintah mengharapkan institusi Pendidikan tinggi sebagai pencetak lulusan Dokter Gigi diharapkan dapat meningkatkan jumlah lulusan Dokter Gigi. Hal itu tentu sangat penting bagi Program Pendidikan Profesi Dokter Gigi Fakultas Kedokteran Gigi Universitas Islam Sultan Agung bukan hanya untuk penilaian Akreditasi akan tetapi dapat berperan dalam meningkatkan jumlah dokter gigi Indonesia. Kegiatan bimbingan klinis dan evaluasi hasil pembelajaran klinis, Ujian Komprehensif telah dilakukan, namun dalam pelaksanaan ujian Uji Kompetensi Mahasiswa Program Pendidikan Profesi Dokter Gigi (UKMP2DG) yang telah dilakukan tidak semua berhasil lulus, maka penulis melakukan penelitian sebagai salah satu solusi inovatif adalah dengan memanfaatkan Machine Learning untuk melakukan prediksi kelulusan mahasiswa memanfaatkan data akademik serta algoritma Algoritma Random Forest. Data yang diambil memuat data peserta UKMP2DG Periode 1 Tahun 2020 sampai dengan periode 1 Tahun 2025. Hasil yang diperoleh dari penelitian yang telah dilaksanakan, penulis mendapatkan hasil evaluasi model dengan tingkat akurasi sebesar 83.19% , presisi 88.51% , recall 89.53% dan F1 Score 89.02% dengan fitur terbaik adalah IPK Sarjana dengan presentasi 41.57%.
Kata Kunci : Prediksi Kelulusan Mahasiswa, Machine Learning, Random Forest

Dosen Pembimbing: Ghufron, Ghufron | nidn0602079005
Item Type: Thesis (Undergraduate)
Subjects: Q Science > QA Mathematics
Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Teknologi Industri
Fakultas Teknologi Industri > Mahasiswa FTI - Skripsi Teknik Informatika
Depositing User: Pustakawan 3 UNISSULA
Date Deposited: 09 Apr 2026 08:58
URI: https://repository.unissula.ac.id/id/eprint/45713

Actions (login required)

View Item View Item