ABSTRAK

Metode CART merupakan metode statistik nonparametrik yang berguna untuk memperoleh kelompok data yang akurat dalam analisis klasifikasi. Tujuan utama CART adalah untuk mendapatkan suatu kelompok data yang akurat sebagai penciri dari suatu pengklasifikasian. CART dapat diterapkan dalam 3 langkah utama, yaitu pembentukan pohon klasifikasi, pemangkasan pohon klasifikasi, dan penentuan pohon klasifikasi optimal. Pohon klasifikasi memiliki beberapa keunggulan terkait model dan hasil klasifikasinya, tetapi juga memiliki kekurangan pada stabilitas model dan keakuratan prediksi. Guna mengatasi kelemahan tersebut Bootstrap aggregating (bagging) diterapkan pada pohon klasifikasi untuk meningkatkan stabilitas dan keakuratan prediksi. Penelitian ini ingin mengetahui hasil klasifikasi predikat kelulusan mahasiswa FMIPA UNMUL, faktor-faktor utama yang mempengaruhi predikat kelulusan mahasiswa FMIPA UNMUL yang lulus tahun 2015, dan perbandingan ketepatan hasil klasifikasi sebelum dan sesudah penerapan bagging. Hasil penelitian menunjukkan bahwa jenis kelamin (X1), asal daerah (X2), program studi (X3), status sekolah menengah (X4), dan lama masa studi (X5) adalah penciri utama predikat kelulusan mahasiswa FMIPA UNMUL, sedangkan jenis kelamin (X1), program studi (X3) dan lama masa studi (X5) adalah faktor yang mempengaruhi predikat kelulusan. Penerapan teknik bagging pada pohon klasifikasi dalam kasus ini mampu meningkatkan ketepatan klasifikasinya. metode CART memiliki ketepatan prediksi sebesar 66,7%, sedangkan penerapan teknik bagging pada pohon klasifikasi meningkatkan ketepatan klasifikasi sebesar 2% menjadi 68,7 %.

Kata Kunci : Bagging, CART, pohon klasifikasi, predikat kelulusan.