PENERAPAN EXTREME GRADIENT BOOSTING DALAM KLASIFIKASI TINGKAT PROKRASTINASI AKADEMIK MAHASISWA TINGKAT AKHIR BERBASIS DATA PSIKOMETRIK

Abstract

Prokrastinasi akademik merupakan perilaku penundaan dalam menyelesaikan tugas akademik yang masih banyak dialami mahasiswa, terutama mahasiswa tingkat akhir yang sedang menghadapi penyelesaian tugas akhir. Kondisi ini dapat berdampak pada keterlambatan studi, penurunan produktivitas akademik, serta tekanan psikologis. Penelitian ini bertujuan menerapkan algoritma Extreme Gradient Boosting (XGBoost) untuk mengklasifikasikan tingkat prokrastinasi akademik mahasiswa tingkat akhir berdasarkan data psikometrik. Data penelitian diperoleh melalui kuesioner yang memuat instrumen Academic Procrastination Scale-Short Form, Emotion Regulation Questionnaire, dan Perceived Stress Scale-10. Tahapan penelitian meliputi skoring dan labeling data untuk membentuk kelas prokrastinasi akademik rendah, sedang, dan tinggi, pembagian data menggunakan stratified split dengan rasio 80:20, pra-pemrosesan data serta pelatihan model XGBoost. Ketidakseimbangan kelas pada data latih ditangani menggunakan sample weight. Hyperparameter tuning dilakukan menggunakan GridSearchCV dengan Stratified K-Fold Cross Validation dan pemilihan parameter terbaik berdasarkan F1-score macro. Berdasarkan hasil pengujian pada data uji, model memperoleh akurasi sebesar 0,9114, precision macro sebesar 0,9084, recall macro sebesar 0,9007, dan F1-score macro sebesar 0,9025. Hasil confusion matrix menunjukkan bahwa model mampu mengklasifikasikan sebagian besar data uji dengan benar pada setiap kelas, terutama pada kelas rendah dan tinggi, meskipun masih terdapat beberapa kesalahan klasifikasi pada kelas sedang. Dengan demikian, XGBoost dapat diterapkan sebagai metode klasifikasi tingkat prokrastinasi akademik mahasiswa tingkat akhir berbasis data psikometrik dengan performa yang baik.