Analisis Kepuasan Mahasiswa terhadap Sistem E-Learning Menggunakan Algoritma Decision Tree

Abstract

Perkembangan e-learning di perguruan tinggi menuntut evaluasi berkelanjutan terhadap tingkat kepuasan mahasiswa sebagai pengguna utama. Penelitian ini bertujuan menganalisis tingkat kepuasan mahasiswa terhadap sistem pembelajaran elektronik di perguruan tinggi serta membandingkan kinerja algoritma jaringan saraf tiruan Backpropagation dan algoritma Decision Tree dalam mengklasifikasikan tingkat kepuasan tersebut. Data primer dikumpulkan melalui kuesioner yang diisi mahasiswa Program Studi Teknik Informatika Universitas Muslim Indonesia, dengan indikator kualitas sistem, kualitas informasi, kualitas layanan, dan kemudahan penggunaan, kemudian diproses melalui tahapan pembersihan data, transformasi, serta pembagian data latih dan data uji. Model Backpropagation digunakan untuk mempelajari pola hubungan nonlinier antar atribut, sedangkan Decision Tree diterapkan untuk membentuk aturan keputusan yang mudah ditafsirkan. Hasil pengujian menunjukkan bahwa kedua algoritma mampu mengklasifikasikan tingkat kepuasan dengan akurasi tinggi, di mana Backpropagation memberikan akurasi lebih baik dan penurunan kesalahan yang konsisten, sementara Decision Tree memberikan struktur pohon keputusan yang menonjolkan peran dominan kemudahan penggunaan dan kualitas sistem. Disimpulkan bahwa penerapan kedua algoritma tersebut efektif untuk mendukung evaluasi sistem pembelajaran elektronik dan dapat menjadi dasar perencanaan peningkatan layanan agar lebih sesuai dengan kebutuhan mahasiswa