Principal Component Analysis pada Random Forest untuk Deteksi Dini Dropout Mahasiswa
Journal Computer Science and Applied Technology · 19.08.2026 · 4 (2) · 65-72
DOI: 10.67401/j-csat.v4i2.36 ↗Kurz gefasst
Fachartikel in der Zeitschrift Journal Computer Science and Applied Technology, online erschienen am 19.08.2026. Verfasst von Rully Ghozali und 4 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).
Abstract (Originalsprache)
Penelitian ini menguji pengaruh Principal Component Analysis (PCA) terhadap performa Random Forest dalam deteksi dini risiko dropout mahasiswa. Dua skema dibandingkan, yaitu Random Forest tanpa PCA dan dengan PCA, menggunakan Orange Data Mining (Orange3) pada dataset Kaggle Predict Students' Dropout and Academic Success (4.424 data, 35 atribut, tiga kelas target). PCA diterapkan dengan dua komponen utama (explained variance 26%). Kelas Dropout dievaluasi menggunakan validasi silang 10-lipat bertingkat dengan metrik AUC, Akurasi, F1, Presisi, Recall, dan MCC. Random Forest tanpa PCA memperoleh performa lebih tinggi pada seluruh metrik (AUC 0,905; Accuracy 0,856; F1 0,771; Precision 0,790; Recall 0,754; MCC 0,667) dibandingkan Random Forest dengan PCA (AUC 0,834; Accuracy 0,800; F1 0,676; Precision 0,704; Recall 0,650; MCC 0,533), yang diduga disebabkan oleh rendahnya variansi kumulatif yang dipertahankan.
Zitieren
APA
Ghozali, R., Oktaviano, K. R., Setiawan, A. F., Ramadani, M. R., & Saputro, H. (2026). Principal Component Analysis pada Random Forest untuk Deteksi Dini Dropout Mahasiswa. Journal Computer Science and Applied Technology, 4(2), 65-72. https://doi.org/10.67401/j-csat.v4i2.36
Vancouver
Ghozali R, Oktaviano KR, Setiawan AF, Ramadani MR, Saputro H. Principal Component Analysis pada Random Forest untuk Deteksi Dini Dropout Mahasiswa. Journal Computer Science and Applied Technology. 2026;4(2):65-72. doi:10.67401/j-csat.v4i2.36
BibTeX
@article{Ghozali2026,
author = {Ghozali, Rully and Oktaviano, Kevin Ramadhan and Setiawan, Anando Ferdi and Ramadani, Muhammad Rio and Saputro, Heru},
title = {Principal Component Analysis pada Random Forest untuk Deteksi Dini Dropout Mahasiswa},
journal = {Journal Computer Science and Applied Technology},
year = {2026},
volume = {4},
number = {2},
pages = {65--72},
doi = {10.67401/j-csat.v4i2.36}
}
EUVIMED