Glandy Samuel Herren Pengarang Emerensye S.Y Pandie, S.Kom.,M.Kom Dosen Pembimbing 1 Juan Rizky Mannuel Ledoh - 199110032022031003 Dosen Pembimbing 2 Yulianto T. Polly, S.Kom.,M.Cs Penguji 2 Derwin Rony Sina, S.Kom., M.Cs Penguji 1 Nelci D. Rumlaklak S.Kom., M.Kom Ketua Penguji

Sumber dana menjadi suatu hal yang cukup penting demi keberlangsungan operasional yang dapat berjalan dengan baik. Salah satu sumber dana dalam perguruan tinggi yaitu pembayaran oleh mahasiswa yang telah bergabung dalam perguruan tinggi tersebut atau yang biasa disebut uang Sumbangan Pembinaan Pendidikan (SPP). Pengelolaan keuangan di Perguruan Tinggi sangat penting dilakukan karena dana yang dikeluarkan lewat pembayaran yang diberikan oleh mahasiswa tersebut dikelola oleh pihak perguruan tinggi untuk keberlangsungan kegiatan operasional. Pada penelitian ini penulis mengimplementasikan algoritma C4.5 dengan menggunakan aplikasi RapidMiner 9.10 untuk menganalisis keterlambatan pembayaran SPP. Data dalam penelitian ini diperoleh dari dokumen-dokumen berupa data akademik mahasiswa aktif Fakultas Kesehatan Masyarakat Universitas Nusa Cendana yang terhitung dari tahun 2019 sampai tahun 2021 sebanyak 1300 record. Variabel yang digunakan dalam penelitian ini adalah program studi, tahun masuk, jenis kelamin, jenis tinggal, alat transportasi, pekerjaan orang tua, penghasilan orang tua, asal SMA/SLTA, dan jalur masuk, dengan status pembayaran sebagai kelas target yang terbagi menjadi 2 yaitu tepat waktu dan terlambat. Dataset diproses menggunakan aplikasi RapidMiner 9.10 dengan konfigurasi parameter decision tree criterion = information gain, maximal depth = 10, confidence = 0.1, minimal gain = 0.1, minimal leaf size = 2, minimal size for split = 4, dan number of prepruning alternatives = 3 menghasilkan 8 rules/ aturan keputusan yang menunjukkan bahwa variabel pekerjaan ibu memiliki pengaruh paling besar terhadap tingkat keterlambatan pembayaran SPP dan hasil pengujian terhadap model decision tree menggunakan cross validation dan confusion matrix menunjukkan bahwa algoritma C4.5 dapat memberikan nilai accuracy sebesar 89,92%, nilai precision sebesar 90,27%, dan nilai recall sebesar 83,26%. Kata Kunci: Algoritma C4.5, RapidMiner 9.10, Cross Validation, Sumbangan Pembinaan Pendidikan (SPP).