Sidang Tertutup Disertasi: Eni P41.2019.00012

Promovenda Eni Heni Hemaliani dengan NIM P41.2019.00012 telah berhasil mempertahankan disertasinya pada Sidang Tertutup yang digelar pada Hari Kamis, 12 Februari 2026, Pukul 13.00 WIB bertempat di Ruang Sidang G.2. Disertasi Eni Heni Hemaliani berjudul “Pengembangan Model Prediksi Kinerja Akademik Mahasiswa pada Platform LMS Menggunakan Metode Ensemble Learning dan Explainable AI”. 

Retensi mahasiswa dan peningkatan keberhasilan akademik merupakan isu utama dalam pendidikan tinggi, karena tingkat putus studi berdampak signifikan pada kualitas institusi. Penelitian ini bertujuan mengembangkan model prediksi kinerja akademik mahasiswa pada platform Learning Management System (LMS) menggunakan metode Ensemble Learning yang terintegrasi dengan Explainable Artificial Intelligence (XAI) agar hasil prediksi tidak hanya akurat tetapi juga dapat diinterpretasikan.

Dataset yang digunakan adalah Student Academic Performance (SAP) dari LMS Kalboard 360 (xAPI Edu-Data), dataset publik Kaggle yang berisi 480 record dengan 16 atribut, mayoritas berupa fitur perilaku untuk memproyeksikan apakah mahasiswa beresiko gagal atau lulus. Model dievaluasi menggunakan KNearest Neighbors, Decision Tree, Logistic Regression, Support Vector Machine (SVM), Random Forest, XGB Classifier, Extra Tree Classifier, LightGBM, dan Ensemble Classifier (Bagging, Voting, Stacking).

Dengan split data 80:20, SMOTEENN diterapkan untuk menyeimbangkan kelas. Hasil eksperimen menunjukkan Stacking Ensemble mencapai akurasi dan presisi sebesar 98,57% dan 99,07%, serta performa stabil berdasarkan F1-score dengan lima kali lipat cross-validation, melampaui semua model tunggal. Interpretasi model dilakukan menggunakan Shapley Additive exPlanations (SHAP), dimana visualisasi waterfall, force, dan decision plot menjelaskan kontribusi fitur pada prediksi individu, sementara beeswarm plot menggambarkan kontribusi fitur secara global. Analisis SHAP menegaskan bahwa fitur perilaku mahasiswa mendominasi kontribusi prediksi, baik sebelum maupun setelah rekayasa fitur. Penelitian ini memberikan kerangka prediksi yang akurat, transparan, dan mendukung strategi retensi berbasis data bagi institusi pendidikan tinggi.

Promovenda Eni Heni Hemaliani dibimbing oleh Tim Promotor yaitu Prof. Dr. Ahmad Zainul Fanani, S.Si, M.Kom . (Promotor), Prof. Ir. Heru Agus Santoso, M.Kom, Ph.D., IPM., ASEAN Eng. (Co-Promotor) dan Affandy, M.Kom, Ph.D. (Co-Promotor). Sedangkan Tim Penyanggah terdiri dari: Prof. Dr. Supriadi Rustad, M.Si. (Ketua Sidang), Prof. Dr. Ir. Mochamad Wahyudi, M.Kom, MM, M.Pd, IPU, ASEAN Eng (Penguji Eksternal / Universitas BSI Jakarta), Sri Winarno, Ph.D. (Anggota), Dr. Ricardus Anggi Pramundendar, M.Kom (Anggota), dan Dr. M. Arief Soeleman, M.Kom (Anggota).