ANALISIS PREDIKSI DROP OUT BERDASARKAN PERILAKU SOSIAL MAHASISWA DALAM EDUCATIONAL DATA MINING MENGGUNAKAN JARINGAN SYARAF TIRUAN M. Mahaputra Hidayat 1 , Diana Purwitasari 2 , Hari Ginardi 3 Jurusan Teknik Informatika Institut Teknologi Sepuluh Nopember Surabaya, Indonesia riztra@gmail.com 1 , diana@if.its.ac.id 2 , hari@if.its.ac.id 3 ABSTRAK Peningkatan kualitas pendidikan di perguruan tinggi dapat dilihat dari tingginya tingkat keberhasilan mahasiswa dan rendahnya tingkat kegagalan mahasiswa. Salah satu indikator kegagalan mahasiswa adalah kasus drop out (berhenti studi). Permasalahan drop out menjadi sesuatu yang menarik untuk diteliti, karena hal ini dapat dipengaruhi oleh bermacam faktor. Banyak peneliti yang mengkaji maupun melakukan prediksi drop out berdasarkan faktor internal saja yaitu yang berasal dari dalam diri mahasiswa. Padahal selain faktor tersebut banyak faktor lain yang juga dapat mempengaruhi terjadinya drop out, salah satunya perilaku sosial mahasiswa. Namun tidak mudah menentukan dan mempelajari classifier yang tepat berdasarkan perilaku sosial mahasiswa untuk memprediksi kemungkinan drop out ini. Untuk mengatasi permasalahan di atas, diusulkan model baru untuk mempelajari arsitektur Jaringan Syaraf Tiruan (JST) terbaik, agar menghasilkan classifier yang tepat dalam melakukan prediksi drop out dengan memanfaatkan data mining pendidikan serta pendekatan JST backpropagation pada penelitian ini. Hasil yang diperoleh dari analisis perilaku sosial dan model yang diusulkan, menunjukkan bahwa penggunaan data perilaku sosial mahasiswa dapat meningkatkan akurasi kemungkinan klasifikasi drop out sebesar 98,91% dengan tingkat signifikansi sensitivitas terbesar variabel perilaku sosial sebesar 4,737. Kata Kunci: Prediksi drop-out, educational data mining, jaringan syaraf tiruan ABSTRACT Improvement of education quality in university can be seen by the highness rate of success student and the lowness rate of failed student. One indicator of failed student is drop out. The drop out problem is interesting to be studied, because it can be affected from many factors. Many researchers study and predict the drop out by internal factor only, which comes from the student themselves. Whereas there are many factors besides the internal factor that can trigger drop out, such as student social behavior. However, it is a non trivial task to determine and learn the correct classifier based on the student social behavior to predict drop out probability. To overcome that problem, a new model is proposed in this research to study the correct classifier that can predict drop out using educational data mining with neural network approach. The result from this analysis of social behavior and the proposed method is be able to show that the use of student behavior data can increase the drop out prediction accuracy of 98,91% and the sensitivity of social behaviour variable of 4,737. Keywords: Drop out prediction, educational data mining, neural network. PENDAHULUAN Perguruan tinggi sering dijadikan tumpuan utama masyarakat dalam menilai berhasil tidaknya pendidikan tertinggi. Keberhasilan atau prestasi belajar mahasiswa hanya sering dilihat sebagai kesuksesan dan keunggulan pihak perguruan tinggi. Sebaliknya, kegagalan atau rendahnya kualitas mahasiswa sering dilihat sebagai ketidakmampuan pihak perguruan tinggi menyelenggarakan proses pendidikan tertinggi. Salah satu persoalan yang masih menjadi bahan pembicaraan adalah mengenai mahasiswa berhenti studi (drop out). Tingginya tingkat keberhasilan mahasiswa dan rendahnya tingkat kegagalan mahasiswa dapat mencerminkan kualitas dari suatu perguruan tinggi. Banyaknya mahasiswa drop-out selain merugikan bagi pribadi/individu, juga merugikan institusi/perguruan tinggi pada khusus-nya dan negara pada umumnya. Oleh karena itu, perlu