Menentukan Pola Kelulusan Mahasiswa Berdasarkan Jenis Layanan Paket Semester di Universitas Terbuka dengan Menggunakan Algoritma Apriori

Gambar Ilustrasi AI

FORMOSA NEWS - Palembang - Algoritma Apriori Ungkap Pola Kelulusan Mahasiswa Universitas Terbuka Berdasarkan Layanan Paket Semester. Penelitian yang dilakukan oleh Lora Ersitha bersama rekan-rekannya dari Universitas Bina Darma dalam artikel penelitian yang dipublikasikan pada Formosa Journal of Computer and Information Science (FJCIS) edisi Vol. 5 No. 2 Tahun 2026 menyoroti bahwa menggunakan pendekatan Educational Data Mining (EDM) untuk membantu evaluasi layanan akademik institusi pendidikan terbuka.

Latar Belakang dan Konteks Akademik
Universitas Terbuka dikenal dengan model pembelajaran jarak jauh yang fleksibel, mandiri, serta didukung oleh layanan digital yang tersebar di berbagai wilayah. Dengan karakteristik mahasiswa yang sangat heterogen, pengelolaan data akademik menjadi tantangan sekaligus peluang besar. Selama ini, UT menyediakan berbagai skema layanan paket semester atau Sistem Paket Semester (SIPAS), seperti SIPAS Non-TTM (tanpa tutorial tatap muka), SIPAS Semi (dukungan tutorial terbatas), SIPAS Penuh (tutorial seluruh mata kuliah), hingga skema Non-SIPAS yang lebih fleksibel. Meskipun banyak penelitian pertambangan data pendidikan (EDM) berfokus pada nilai mata kuliah, Indeks Prestasi Kumulatif (IPK), atau karakteristik demografi, riset ini mengambil sudut pandang berbeda. Para peneliti menempatkan skema layanan paket semester sebagai atribut kontekstual utama untuk melihat hubungannya dengan status kelulusan, predikat kelulusan, dan pemanfaatan sistem manajemen pembelajaran (Learning Management System / LMS). Tujuannya bukan untuk menguji hubungan sebab-akibat, melainkan menyediakan masukan analitis yang objektif bagi evaluasi layanan akademik.

Pendekatan dan Metodologi Sederhana
Penelitian ini menggunakan pendekatan kuantitatif deskriptif dengan teknik Association Rule Mining (penambangan aturan asosiasi). Seluruh data alumni diproses melalui tahapan pembersihan data (cleaning), integrasi, transformasi, hingga reduksi atribut untuk memastikan kualitas data. Algoritma yang digunakan adalah Algoritma Apriori, sebuah metode komputasi populer untuk menemukan kombinasi item yang sering muncul bersamaan dalam sebuah basis data transaksi. Dalam penelitian ini, rekam jejak mahasiswa diubah menjadi item transaksi yang mencakup jenis layanan paket semester, status ketepatan waktu kelulusan, predikat kelulusan, dan interaksi LMS. Pengolahan data dilakukan menggunakan perangkat lunak RapidMiner dengan parameter pengujian minimum support (dukungan) sebesar 10% dan minimum confidence (tingkat kepercayaan) sebesar 70%.

Temuan Utama Penelitian
Dari pengolahan data menggunakan algoritma Apriori dengan ambang batas yang ditentukan, peneliti berhasil menyaring 8 aturan asosiasi yang paling valid. Berikut adalah rincian temuan penting dari data tersebut:

• Pola Layanan Paling Representatif: Kombinasi antara kelulusan tepat waktu, layanan SIPAS Semi, dan predikat kelulusan Sangat Memuaskan (Very Satisfactory) menjadi aturan layanan yang paling kuat dan informatif, dengan nilai support 15%, tingkat confidence mencapai 81%, dan nilai lift sebesar 1,13.
  
• Dominasi Frekuensi Tunggal: Berdasarkan tingkat kemunculan (support), layanan SIPAS Non-TTM memiliki persentase tertinggi sebagai layanan tunggal yang berhubungan dengan predikat Sangat Memuaskan (25%), sedikit unggul dibanding SIPAS Semi (24%). Namun, ketika dianalisis ketepatan waktunya, kombinasi dengan SIPAS Semi menunjukkan tingkat keyakinan (confidence) yang lebih tinggi.
• Keberhasilan Akademik Umum: Aturan paling dominan secara keseluruhan adalah mahasiswa yang lulus tepat waktu berbanding lurus dengan predikat Sangat Memuaskan, yang mencakup 42% dari total data dengan tingkat kepercayaan 77%.
  
• Pola Penggunaan LMS: Aturan yang menghubungkan predikat kelulusan Memuaskan (Satisfactory) dengan pemanfaatan LMS memiliki nilai lift tertinggi (1,66), yang menunjukkan konsentrasi penggunaan LMS yang cukup pekat pada kelompok mahasiswa dengan predikat tersebut.
  

Implikasi dan Dampak bagi Dunia Pendidikan
Hasil riset ini memberikan implikasi praktis yang signifikan bagi pengelolaan layanan akademik, khususnya di lingkungan UT Palembang. Pertama, aturan asosiasi yang ditemukan dapat dimanfaatkan sebagai indikator deskriptif untuk memantau kelompok mahasiswa yang memiliki karakteristik serupa dengan alumni yang sukses. Kedua, perbandingan mendalam antara skema SIPAS Semi dan SIPAS Non-TTM membantu institusi dalam mengevaluasi efektivitas dukungan tutorial terhadap ketepatan waktu studi dan predikat kelulusan mahasiswa. Ketiga, pola-pola ini memungkinkan pihak universitas melakukan pemantauan akademik dini dengan mengenali kombinasi faktor yang sering muncul pada mahasiswa yang lulus tepat waktu. Kendati demikian, para peneliti menegaskan bahwa temuan ini berfungsi sebagai evidensi pendukung dan bukan vonis deterministik. Keberhasilan kelulusan mahasiswa tetap dipengaruhi oleh faktor eksternal lain seperti status pekerjaan, kondisi finansial, usia, latar belakang pendidikan sebelumnya, dan tingkat keterlibatan belajar secara mandiri.

Profil Singkat Penulis
Lora Ersitha, M.Kom. — Penulis korespondensi, dosen dan peneliti di Universitas Bina Darma sekaligus civitas akademika Universitas Terbuka Palembang, memiliki keahlian di bidang Educational Data Mining dan sistem informasi.
Dr. Yesi Novaria Kunang, S.T., M.Kom. — Akademisi dan peneliti senior di Universitas Bina Darma dengan keahlian komputasi cerdas.
Dr. Usman Ependi, M.Kom. — Peneliti dan staf pengajar di Universitas Bina Darma yang aktif mendalami rekayasa perangkat lunak dan analisis data.
Ari Muzakir, M.Kom. — Peneliti di Universitas Bina Darma yang fokus pada bidang ilmu komputer dan sistem cerdas.

Sumber Penelitian
Lora Ersitha, Yesi Novaria Kunang, Usman Ependi, Ari Muzakir. Determining Student Graduation Patterns Based on Semester Package Service Types at Universitas Terbuka Using the Apriori Algorithm. Formosa Journal of Computer and Information Science (FJCIS). Vol. 5, No. 2, Halaman 445-456.
DOI : https://doi.org/10.55927/fjcis.v5i2.17332
URL: https://journal.formosapublisher.org/index.php/fjcis: