Prediksi Lama Studi PAI UIN Salatiga

Unggah & Kelola Dataset

Berkas (CSV/XLSX)

Cohort Cut-off

Target Unit

Pastikan kolom kunci tersedia: NIM, angkatan, semester_masuk, semester_lulus (jika lulus), serta ringkasan akademik per semester.

Ringkasan Kualitas Data

—

Baris

—

Kolom

—

% Missing

Pratinjau 5 baris pertama akan tampil di sini setelah unggah.

Konfigurasi Praproses

Penanganan Missing

Skaler Numerik

Enkoder Kategori

Horizon Prediksi

Fitur Akademik

IPS/ IPK

Total SKS Lulus

Jumlah Retake

Riwayat Cuti

Beasiswa

Jalur Masuk

Reduksi & Seleksi Fitur

VIF Maks.

PCA (Explained Variance %)

Top-K Berdasar MI/Importance

Daftar fitur terpilih akan tampil:

Skema Split

Jenis Split

Rasio (Train/Valid/Test)

Kelompok Validasi

Ringkasan Split

—

Train

—

Valid

—

Test

Pemodelan

Algoritma

CV (k-fold)

n_estimators

max_depth

learning_rate

Algoritma

CV (k-fold)

Max Depth (RSF)

Trees (RSF)

Algoritma

CV (k-fold)

class_weight

n_estimators

max_depth

Progres Pelatihan

Menunggu…

Metrik Utama

—

MAE

—

RMSE / C-index

—

R² / PR-AUC

Plot Diagnostik

Pentingnya Fitur (SHAP/Permutation)

Fitur	Skor	Keterangan
Belum ada. Latih model terlebih dahulu.

Masukkan Fitur Mahasiswa

Hasil Prediksi

—

Prediksi Lama Studi (Semester)

—

Kategori Risiko

Registry Eksperimen

#	Tanggal	Algoritma	Horizon	CV	Metrik	Aksi
Belum ada eksperimen.

Unggah & Kelola Dataset

Ringkasan Kualitas Data

Konfigurasi Praproses

Reduksi & Seleksi Fitur

Skema Split

Ringkasan Split

Pemodelan

Progres Pelatihan

Metrik Utama

Plot Diagnostik

Pentingnya Fitur (SHAP/Permutation)

Masukkan Fitur Mahasiswa

Hasil Prediksi

Registry Eksperimen

Pengaturan