PENERAPAN ALGORITMA C5.0 DALAM MEMPREDIKSI KETERLAMBATAN PEMBAYARAN BIAYA KULIAH DI UNKRISWINA SUMBA

Abstrak

Universitas Kristen Wira Wacana (Unkriswina) Sumba merupakan perguruan tinggi swasta di Kabupaten Sumba Timur, Nusa Tenggara Timur, yang bergantung pada pembayaran biaya kuliah dari mahasiswanya untuk keberlangsungan operasional dan pengembangannya. Dalam beberapa tahun terakhir, Unkriswina Sumba menghadapi peningkatan keterlambatan pembayaran biaya kuliah yang menyebabkan kesulitan dalam pengelolaan keuangan. Penelitian ini bertujuan untuk memahami perilaku mahasiswa yang menyebabkan keterlambatan pembayaran dan mengembangkan sistem prediksi menggunakan algoritma C5.0 untuk mengidentifikasi mahasiswa yang berpotensi terlambat membayar. Algoritma C5.0 dipilih karena kemampuannya dalam menangani data kompleks dan tahan terhadap overfitting. Data penelitian diperoleh dari Form yang dibagikan pada mahasiswa dengan menggunakan indikator seperti fakultas, program studi, angkatan, penghasilan orang tua, serta pendidikan orang tua. Data yang terkumpul sebanyak 16 sampel. Pada penelitian ini data training 60% dan data testing 40%. Dari hasil klasifikasi diperoleh akurasi 85,71%. Hasil penelitian ini diharapkan dapat membantu Unkriswina Sumba dalam mengelola keuangan lebih efektif dan mencegah keterlambatan pembayaran biaya kuliah di masa depan

Wira Wacana Christian University (Unkriswina) Sumba is a private tertiary institution in East Sumba Regency, East Nusa Tenggara, which relies on tuition fee payments from its students for the continuity of its operations and development. In recent years, Unkriswina Sumba has faced increasing delays in paying tuition fees which has caused difficulties in financial management. This research aims to understand student behavior that causes late payments and develop a prediction system using the C5.0 algorithm to identify students who have the potential to be late in paying. The C5.0 algorithm was chosen because of its ability to handle complex data and is resistant to overfitting. Research data was obtained from forms distributed to students using indicators such as faculty, study program, class, parents' income and parents' education. The data collected was 16 samples. In this study, training data was 60% and testing data was 40%. From the classification results, an accuracy of 85.71% was obtained. It is hoped that the results of this research will help Unkriswina Sumba manage finances more effectively and prevent delays in paying tuition fees in the future.