IMPLEMENTASI CATBOOST DENGAN SMOTEN DAN EXPLAINABLE ARTIFICIAL INTELLIGENCE PADA MODEL PREDIKSI PERFORMA AKADEMIK MAHASISWA

Prediksi performa akademik mahasiswa merupakan salah satu kajian dalam Educational Data Mining yang dapat membantu institusi pendidikan mengidentifikasi pola capaian akademik mahasiswa secara lebih dini. Penelitian ini bertujuan untuk mengimplementasikan CatBoost dengan SMOTEN pada klasifikasi multikelas performa akademik mahasiswa serta menganalisis kontribusi fitur terhadap hasil prediksi menggunakan pendekatan Explainable Artificial Intelligence. Dataset yang digunakan merupakan dataset publik performa akademik mahasiswa yang terdiri atas 872 data dengan 30 fitur prediktor kategorikal dan empat kelas target, yaitu Below Average, Average, Good, dan Excellent. Tahapan penelitian meliputi data cleaning, transformasi fitur melalui manual ordinal mapping dan native categorical handling, data balancing menggunakan SMOTEN pada training fold, pengembangan model CatBoost, evaluasi menggunakan Stratified 10-Fold Cross-Validation dengan skema Out-of-Fold, serta interpretasi model menggunakan SHAP dan LIME. Hasil evaluasi menunjukkan bahwa CatBoost baseline memperoleh akurasi sebesar 71,10%, sedangkan CatBoost dengan SMOTEN memperoleh akurasi tertinggi sebesar 72,82%, precision macro sebesar 74,03%, recall macro sebesar 69,92%, dan F1-score macro sebesar 71,65%. Hasil interpretasi global menggunakan SHAP menunjukkan bahwa fitur kehadiran di kelas, tempat tinggal mahasiswa, waktu belajar, persiapan ujian tengah semester, dan pola persiapan ujian menjadi fitur yang paling berkontribusi terhadap prediksi model. Sementara itu, interpretasi lokal menggunakan LIME menunjukkan bahwa dasar prediksi dapat berbeda pada setiap mahasiswa sesuai karakteristik fitur yang dimiliki. Penelitian ini menunjukkan bahwa CatBoost dengan SMOTEN dapat digunakan sebagai pendekatan prediksi performa akademik mahasiswa dengan dukungan interpretabilitas global dan lokal.

Kata kunci: CatBoost, SMOTEN, Explainable Artificial Intelligence, SHAP, LIME, performa akademik mahasiswa.