Abstrak
Vina Ariska, NIM 2522288 Program Studi Pendidikan Teknik Informatika dan Komputer, Fakultas Tarbiyah dan Ilmu Keguruan, UIN Sjech M. Djamil Djambek Bukittinggi. Penelitian ini bertujuan untuk mengembangkan sistem deteksi dini putus kuliah menggunakan Artificial Neural Network (ANN) pada Fakultas Tarbiyah dan Ilmu Keguruan UIN Sjech M. Djamil Djambek Bukittinggi. Sistem dikembangkan untuk membantu pihak fakultas dan Dosen Penasihat Akademik (PA) dalam mengidentifikasi mahasiswa yang berisiko putus kuliah sejak dini sehingga proses pembinaan, pendampingan akademik, dan pengambilan keputusan dapat dilakukan secara lebih tepat dan efektif. Penelitian ini menggunakan metode Research and Development (R&D) dengan model pengembangan Waterfall yang terdiri atas tahap analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Sistem dikembangkan menggunakan framework Flask, sedangkan metode Artificial Neural Network (ANN) digunakan untuk mengklasifikasikan tingkat risiko putus kuliah berdasarkan sebelas indikator akademik dan nonakademik ke dalam tiga kategori, yaitu risiko rendah, sedang, dan tinggi. Pengujian sistem dilakukan menggunakan Black Box Testing, sedangkan kualitas produk dievaluasi melalui uji validitas, uji praktikalitas, dan uji usability. Hasil penelitian menunjukkan bahwa sistem berhasil dikembangkan dan mampu mengklasifikasikan tingkat risiko putus kuliah dengan akurasi sebesar 93%, precision sebesar 94%, recall sebesar 93%, dan F1-score sebesar 93%. Hasil pengujian produk menunjukkan bahwa sistem memenuhi kategori valid, sangat praktis, dan memiliki tingkat usability sangat baik. Dengan demikian, sistem yang dikembangkan layak digunakan sebagai media pendukung bagi Fakultas Tarbiyah dan Ilmu Keguruan serta Dosen Penasihat Akademik (PA) dalam mendeteksi mahasiswa yang berisiko putus kuliah sehingga pelaksanaan pembinaan akademik dan tindakan preventif dapat dilakukan secara lebih cepat dan tepat.