IMPLEMENTASI MACHINE LEARNING DENGAN RANDOM FOREST UNTUK ANALISA KEBIASAAN PARTISIPASI MAHASISWA STT NF DALAM ORGANISASI KEMAHASISWAAN MENGGUNAKAN TEORIHABITS OF MIND

Penelitian ini bertujuan menganalisis kebiasaan partisipasi mahasiswa STT NF dalam organisasi kemahasiswaan menggunakan algoritma machine learning random forest.
Pendekatan analisis berbasis pada teori Habits of Mind (HoM) yang diperkecil menjadi tiga pilar utama berpikir menurut Marzano. Data diperoleh dari kuesioner yang diisi
lebih dari 1000 mahasiswa aktif, dengan pra-pemrosesan data yang mencakup penghapusan duplikat, penanganan nilai kosong, dan penyesuaian fitur target untuk
memastikan kualitas. Model random forest digunakan untuk klasifikasi, dengan evaluasi performa berdasarkan accuray, precision, recall, F1-score, specificity, dan confusion matrix. Hasil penelitian menunjukkan bahwa pilar kedua, yaitu berpikir kritis, merupakan fitur paling berpengaruh terhadap partisipasi mahasiswa dalam organisasi. Implementasi machine learning dengan random forest ini mampu bekerja
secara optimal dalam mengelola data dan mendeteksi pola keterlibatan mahasiswa STT NF dalam organisasi kemahasiswaan. Model yang telah dioptimalkan melalui
hyperparameter tuning mampu memberikan hasil klasifikasi yang cukup optimal dan seimbang antar kelas. Rasio 70:30 mencatatkan akurasi 0,655 dan specificity 0,64,
sementara rasio 80:20 menunjukkan hasil paling seimbang pada presisi, recall, dan F1- score (masing-masing 0,61), menandakan kemampuannya dalam menjaga keseimbangan deteksi antara kelas positif dan negatif. Dengan demikian, random forest dapat diandalkan untuk melakukan analisis klasifikasi pada data sosial mahasiswa.