Arsitektur Sistem Peringatan Dini
Atrisi Akademik di Perguruan Tinggi
Menggunakan Cost-Sensitive Machine Learning
dan Explainable AI pada Data Tidak Seimbang

Sistem HEWS (Hierarchical Early Warning System) dirancang untuk mendeteksi risiko dropout secara ultra-dini (Semester 2) dengan threshold optimal τ = 0.4234 dan visualisasi SHAP yang transparan.

Peneliti: Ismail Setiawan | Promotor: Prof. Dr. Rahmat Gernowo, S.Si., M.Si. | Co-Promotor: Dr. Budi Warsito, S.Si., M.Si.

🎯 Threshold Optimal 0.4234
📊 10 Fitur SHAP Dominan
⏳ Prediksi Dini Semester 2
✅ Recall 85%

📋 Isi Kuesioner

Untuk Dosen Pembimbing / Ahli. Berikan penilaian terhadap sistem HEWS melalui formulir validasi (Expert Validation).

Buka Formulir

🧠 Coba Model HEWS

Uji coba interaktif prediksi dropout dengan slider 10 fitur, visualisasi SHAP dinamis, dan perbandingan skenario waktu.

Jalankan Demo

HEWS v.1.0

Arsitektur Sistem Peringatan Dini Atrisi Akademik di Perguruan Tinggi Menggunakan Cost-Sensitive Machine Learning dan Explainable AI pada Data Tidak Seimbang

📋 Isi Kuesioner

🧠 Coba Model HEWS

Arsitektur Sistem Peringatan Dini
Atrisi Akademik di Perguruan Tinggi
Menggunakan Cost-Sensitive Machine Learning
dan Explainable AI pada Data Tidak Seimbang