ANALISIS FAKTOR-FAKTOR PENYEBAB DROPOUT MAHASISWA MENGGUNAKAN ALGORITMA LSTM (LONG SHORT-TERM MEMORY)

• RIZKY FARHAN MAULANA
• 2025

---

Dropout mahasiswa merupakan tantangan serius bagi perguruan tinggi karena berdampak pada akreditasi, efektivitas pembelajaran, dan efisiensi sumber daya. Penelitian ini bertujuan membangun model prediksi risiko dropout menggunakan algoritma Long Short-Term Memory (LSTM) untuk mengolah data sekuensial. Dataset yang digunakan berasal dari UCI Machine Learning Repository, terdiri dari 4.424 data mahasiswa dan 37 variabel demografis, akademik, dan non-akademik. Proses penelitian mencakup eksplorasi data, preprocessing, pelatihan model LSTM, serta evaluasi menggunakan akurasi, precision, recall, f1-score, dan AUC. Model yang dikembangkan mencapai akurasi validasi 77,82% dan AUC 0,91, menunjukkan performa yang baik dalam mengklasifikasikan status mahasiswa. Hasil ini dapat mendukung pengembangan sistem deteksi dini risiko dropout untuk meningkatkan retensi dan mutu pendidikan tinggi.

• Dropout Mahasiswa
• LSTM
• Prediksi
• Data Akademik
• Evaluasi Model

https://repository.bsi.ac.id/repo/68775/ANALISIS-FAKTOR-FAKTOR-PENYEBAB-DROPOUT-MAHASISWA-MENGGUNAKAN-ALGORITMA-LSTM-(LONG-SHORT-TERM-MEMORY)
Anda dapat membaca file tugas akhir ini di repository.