MERRY ANJELICAL, NPM 2209400167 (2026) ANALISIS BIG DATA DALAM SISTEM INFORMASI AKADEMIK UNTUK MENINGKATKAN RETENSI MAHASISWA. Tugas_Akhir (Artikel) : Jurnal Sistem Informasi, Teknik Komputer dan Teknologi Pendidikan (JUSTIKPEN) Sinta 5, 5 (2). pp. 31-35. ISSN 2828- 7921 (Online)
![[img]](http://repository.ulb.ac.id/style/images/fileicons/text.png) |
Text
COVER MERRY.pdf Download (2MB) |
|
Text
ARTIKEL MERY.pdf Restricted to Registered users only Download (1MB) |
Abstract
Penelitian ini bertujuan untuk menganalisis penerapan Big Data dalam Sistem Informasi Akademik guna meningkatkan retensi mahasiswa di perguruan tinggi. Dengan memanfaatkan teknik analisis data besar, penelitian ini mengidentifikasi pola akademik, perilaku belajar, dan faktor-faktor risiko yang dapat memengaruhi keputusan mahasiswa untuk tetap melanjutkan studi. Metode yang digunakan meliputi pengumpulan data akademik mahasiswa dari sistem informasi, pemrosesan menggunakan alat Big Data, serta penerapan algoritma prediktif untuk mengklasifikasikan mahasiswa berisiko rendah dan tinggi dalam hal retensi. Hasil penelitian menunjukkan bahwa model analisis Big Data mampu memprediksi mahasiswa yang berisiko putus studi dengan akurasi tinggi, serta memberikan rekomendasi intervensi yang tepat waktu. Simpulan penelitian menegaskan bahwa integrasi Big Data dalam Sistem Informasi Akademik dapat menjadi alat strategis bagi perguruan tinggi untuk meningkatkan retensi mahasiswa melalui pengambilan keputusan berbasis data yang lebih efektif. Kata Kunci : Big Data, Sistem Informasi Akademik, Retensi Mahasiswa, Analisis Prediktif, Perguruan Tinggi ======================================================= This study aims to analyze the application of Big Data in Academic Information Systems to enhance student retention in higher education institutions. By leveraging Big Data analytics, the study identifies academic patterns, learning behaviors, and risk factors that may influence students' decisions to continue their studies. The methodology involves collecting student academic data from information systems, processing it using Big Data tools, and applying predictive algorithms to classify students with low and high retention risks. The results indicate that the Big Data analysis model can accurately predict students at risk of dropout and provide timely intervention recommendations. The study concludes that integrating Big Data into Academic Information Systems can serve as a strategic tool for universities to improve student retention through more effective data-driven decision-making. Keywords : Big Data, Academic Information System, Student Retention, Predictive Analysis, Higher Education
| Item Type: | Article |
|---|---|
| Uncontrolled Keywords: | Big Data, Sistem Informasi Akademik, Retensi Mahasiswa, Analisis Prediktif, Perguruan Tinggi =========================== Big Data, Academic Information System, Student Retention, Predictive Analysis, Higher Education |
| Subjects: | L Education > LB Theory and practice of education > LB2300 Higher Education Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General) |
| Divisions: | Fakultas Sains Dan Teknologi > Sistem Informasi |
| Depositing User: | Unnamed user with email repository@ulb.ac.id |
| Date Deposited: | 01 Sep 2026 04:44 |
| Last Modified: | 01 Sep 2026 04:44 |
| URI: | http://repository.ulb.ac.id/id/eprint/2707 |
Actions (login required)
 |
View Item |
