Abstrak
Mata kuliah Sistem Basis Data merupakan salah satu mata kuliah inti pada Program Studi Pendidikan Teknik Informatika dan Komputer yang memiliki peran penting dalam pembentukan kompetensi dasar mahasiswa. Namun, dalam implementasinya masih ditemukan mahasiswa yang mengalami kesulitan hingga gagal dalam menyelesaikan mata kuliah ini. Hal ini dapat menyebabkan keterlambatan masa studi dan menjadi indikator yang memengaruhi kualitas akademik serta akreditasi program studi. Oleh karena itu, diperlukan suatu sistem yang mampu memprediksi keberhasilan mahasiswa sejak dini agar pihak kampus dapat memberikan intervensi yang tepat. Penelitian ini merupakan penelitian terapan yang menggunakan pendekatan data mining dengan algoritma klasifikasi C4.5. Data yang digunakan berjumlah 1.030 entri dari enam tahun terakhir yang diperoleh dari sistem informasi akademik UIN Sjech M. Djamil Djambek Bukittinggi. Penelitian ini dilakukan melalui tahapan Knowledge Discovery in Databases (KDD) yang mencakup seleksi data, pembersihan, transformasi, pemodelan, hingga evaluasi model. Pengolahan data dilakukan menggunakan perangkat lunak Altair AI Studio (RapidMiner) versi 2025.0.1. Model prediktif yang dihasilkan dari algoritma C4.5 menunjukkan performa yang cukup baik dengan tingkat akurasi sebesar 82,99%, recall sebesar 69,58%, presisi sebesar 62,51%, dan F1-score sebesar 65,86%. Hasil ini menunjukkan bahwa algoritma C4.5 efektif digunakan sebagai sistem peringatan dini untuk mengidentifikasi mahasiswa yang berisiko tidak lulus pada mata kuliah Sistem Basis Data. Dengan demikian, model ini dapat menjadi acuan bagi program studi dalam merancang strategi akademik yang lebih tepat sasaran.