Penelitian berjudul “Implementasi Data Mining Untuk Pengelompokan Mahasiswa Berpotensi Drop Out: Studi Kasus Program Studi Teknik Informatika Komputer dan Jaringan Politeknik Negeri Ujung Pandang” bertujuan untuk mengidentifikasi mahasiswa yang berpotensi drop out dengan memanfaatkan algoritma Decision Tree C4.5. Data mining dipilih karena mampu mengekstraksi informasi penting dari data akademik mahasiswa melalui dukungan perhitungan statistik, matematika, dan perangkat lunak seperti RapidMiner. Model C4.5 dipilih karena memiliki keunggulan dalam menghasilkan aturan klasifikasi yang jelas dan mudah dipahami.
Hasil validasi menunjukkan bahwa perhitungan manual dan RapidMiner menghasilkan nilai yang konsisten, yakni Entropy sebesar 0,979, Gain IPK 0,551, Gain SKS 0,445, Gain Surat Peringatan 0,307, SplitInfo IPK 1,836, SplitInfo SKS 0,835, SplitInfo Surat Peringatan 1,310, serta Gain Ratio IPK 0,300, Gain Ratio SKS 0,533, dan Gain Ratio Surat Peringatan 0,234. Berdasarkan pengujian, algoritma C4.5 memberikan hasil yang sangat baik dengan rata-rata akurasi sebesar 97,21%, presisi 95,59%, dan recall 96,36%. Hasil ini juga sejalan dengan penelitian Sidik dkk. (2022) yang memperoleh akurasi 96,45%, presisi 96,90%, dan recall 95,38%, sehingga semakin membuktikan kecocokan algoritma C4.5 untuk klasifikasi mahasiswa berpotensi drop out.
Implementasi sistem berbasis web yang dikembangkan dalam penelitian ini juga berhasil diuji menggunakan metode black box. Hasil pengujian menunjukkan bahwa seluruh menu dan fitur berjalan sesuai alur sistem yang dirancang, serta berfungsi dengan baik tanpa kendala. Dengan demikian, sistem ini dapat dijadikan sebagai acuan bagi pihak akademik untuk melakukan monitoring dan prediksi mahasiswa berpotensi drop out secara lebih efektif, sehingga dapat membantu dalam pencegahan dini terhadap risiko kegagalan studi mahasiswa.

Kata Kunci: Data Mining, Decision Tree C4.5, Pengelompokan Mahasiswa, Drop Out, Politeknik Negeri Ujung Pandang