Implementasi Algoritma Decision Tree dalam Menganalisis Kesiapan Inovasi dan Wirausaha Mahasiswa

Rahma Dayanti, Risna Sari, Nuur Insan Tangkelangi

Abstract


Persiapan inovasi dan kewirausahaan mahasiswa merupakan aspek penting dalam menghasilkan lulusan yang mampu beradaptasi dengan perkembangan teknologi dan kebutuhan dunia kerja. Penelitian ini bertujuan mengimplementasikan algoritma Decision Tree untuk menganalisis kesiapan inovasi dan kewirausahaan mahasiswa menggunakan dataset Student Embedded Entrepreneurship yang terdiri dari 500 data mahasiswa. Metode penelitian meliputi preprocessing data, pelatihan dan pengujian data pembagian , pengembangan model Decision Tree menggunakan kriteria Gini Index , serta evaluasi menggunakan Confusion Matrix dan Classification Report . Hasil penelitian menunjukkan bahwa model mampu mengklasifikasikan tingkat kesiapan siswa dengan baik serta mengidentifikasi faktor-faktor yang paling berpengaruh dalam proses klasifikasi. Analisis feature important menunjukkan bahwa Project Count , Innovation Score , dan DL Model Deployment Score merupakan atribut yang memiliki kontribusi terbesar terhadap kesiapan inovasi dan kewirausahaan siswa. Hasil penelitian menunjukkan bahwa pengalaman proyek, kemampuan inovasi, dan keterampilan teknologi berperan penting dalam membentuk kesiapan siswa menghadapi dunia kerja dan dunia usaha. Dengan demikian, algoritma Decision Tree dapat digunakan sebagai pendekatan yang efektif dalam mendukung pengembangan kompetensi siswa. 


Keywords


decision tree; inovasi mahasiswa; kesiapan wirausaha; machine learning; student embedded entrepreneurship

References


N. K. C. B. Dewi, N. K. A. Wirdiani, dan D. M. S. Arsa, “Klasifikasi Kecanduan Smartphone pada Pelajar Sekolah Menengah Atas Menggunakan Metode Machine Learning Berbasis Feature Weighting,” JEPIN (Jurnal Edukasi dan Penelitian Informatika), vol. 8, no. 1, pp. 95–103, 2022.

A. Frazier, J. Silva, R. Meilak, I. Sahoo, D. Chan, Dan M. Broda, “Decision Tree-Based Predictive Models For Academic Achievement Using College Students ’ Support Networks,” Hal. 1–31.

N. Techni-, “Development Of Method For Identification The Computer System State Based On The Decision Tree With Multi-,” Hal. 113–121, 2022, Doi: 10.15588/1607-3274-2022-2-11.

B. S. Andini Dan K. M. Lhaksmana, “Prediction Of Student Work Readiness Using Artificial Neural Network And Decision Tree,” Vol. 7, No. 1, Hal. 222–229, 2025, Doi: 10.47065/Bits.V7i1.7316.

T. I. M. Pengusul, A. N. S, Dan M. Kom, Penerapan Data Mining Untuk Prediksi Tingkat Algoritma Decision Tree Deteksi Serangan Jaringan Menggunakan Metode Intrusion Detection System Berbasis Machine Learning Universitas Sultan Fatah ( Unisfat ) Demak. 2024.

M. H. Hermanto Et Al., “S Istem P Rediksi P Restasi A Kademik M Ahasiswa P Rogram S Tudi,” Vol. 31, Hal. 95–103, 2026.

B. H. Sianipar, A. B. Nabila, A. Yulastri, Dan Y. A. Firanda, “Evaluasi Pembelajaran Kewirausahaan Di Pendidikan Tinggi : Sebuah Systematic Literature Review Terhadap Studi Terindeks Scopus,” Vol. 8, Hal. 8815–8824, 2025.

E. Mardiani, N. Rahmansyah, I. Kurniati, Dan N. Matondang, “Membandingkan Algoritma Data Mining Dengan Tools Orange Untuk Social Economy,” Vol. 3, No. 2, Hal. 686–693, 2023.

P. Triya, N. Suarna, Dan N. D. Nuris, “Penerapan Machine Learning Dalam Melakukan Prediksi Harga Saham Pt . Bank Mandiri ( Persero ) Tbk Dengan Algoritma Linear Regression,” Vol. 8, No. 1, Hal. 1207–1214, 2024.

Y. S. Siregar, D. Handoko, M. Khairani, Dan N. I. Syahputri, “Implementasi Data Mining Klasifikasi Algoritma Menentukan Pola Penerima Mahasiswa Baru Chaid Dalam,” Vol. 3, No. 2, Hal. 978–989, 2023.

M. Pelajaran, P. Kreatif, D. A. N. Kewirausahaan, Dan D. I. Smkn, “Kreativitas Dan Inovasi Belajar Siswa Xi Keahlian Kuliner Pada Mata Pelajaran Produk Kreatif Dan Kewirausahaan Di Smkn 6 Surabaya,” Vol. 5, No. 3, Hal. 279–290, 2025.

E. Manajemen, “Self Efficacy Sebagai Mediasi Antara Self Leadership Dan Entrepreneur Performance Pada Wirausaha Muda Denpasar,” Vol. 9, No. 11, Hal. 3580–3599, 2020.

N. Kadek, C. Bandinithya, N. Kadek, A. Wirdiani, D. Made, Dan S. Arsa, “Klasifikasi Kecanduan Smartphone Pada Pelajar Sekolah Menengah Atas Menggunakan Metode Machine Learning Berbasis Feature Weighting,” Vol. 8, No. 1, Hal. 95–103, 2022.


Refbacks

  • There are currently no refbacks.


Editorial Office :

Prosiding SENDIKO (Seminar Nasional Hasil Penelitian & Pengabdian Masyarakat Bidang Ilmu Komputer)
Published by Universitas PGRI Madiun
Managed by Program Studi Sistem Informasi Fakultas Teknik Universitas PGRI Madiun
Address Jl. Auri 14-16 Kota Madiun Kampus III Universitas PGRI Madiun 63118
Website http://prosiding.unipma.ac.id/index.php/sendiko/index
Email [email protected]

e-ISSN:  3025-4604