Eksplorasi Algoritma Decision Tree untuk Penentuan Siswa Berprestasi
DOI:
https://doi.org/10.32877/bt.v7i3.2210
Keywords:
Data mining, Decision Tree, Klasifikasi Siswa, Prestasi Akademik, Rapid Miner
Abstract
Kemajuan teknologi informasi telah membawa perubahan signifikan dalam berbagai aspek kehidupan, termasuk pendidikan. Salah satu tantangan utama dalam meningkatkan kualitas pembelajaran adalah identifikasi siswa berprestasi secara akurat dan objektif. Penelitian ini bertujuan untuk menerapkan algoritma Decision Tree C4.5 dalam menentukan siswa berprestasi di SMPN 1 Kerinci, dengan mempertimbangkan faktor akademik dan non-akademik seperti nilai disiplin, nilai tahfidz, nilai akhlak, dan nilai ujian. Metode penelitian mencakup pengumpulan data siswa, preprocessing data untuk mengatasi ketidakseimbangan data, analisis faktor-faktor yang berpengaruh, serta pembangunan model klasifikasi menggunakan perangkat lunak RapidMiner 9.0. Hasil penelitian menunjukkan bahwa algoritma Decision Tree C4.5 mampu mengklasifikasikan siswa dengan tingkat akurasi sebesar 91,67%, precision 93,33% untuk kelas "Tidak" dan 88,89% untuk kelas "Layak", serta recall masing-masing 93,33% dan 88,89%. Berdasarkan analisis gain ratio, nilai akhlak memiliki pengaruh terbesar dalam klasifikasi siswa, dengan nilai 0,5961, diikuti oleh nilai tahfidz dan nilai disiplin. Model klasifikasi ini dapat membantu sekolah dalam mengidentifikasi siswa secara lebih objektif, sehingga memungkinkan pengambilan keputusan berbasis data dalam memberikan intervensi pendidikan yang lebih tepat sasaran. Selain itu, hasil penelitian ini membuka peluang untuk pengembangan lebih lanjut, seperti penggunaan teknik ensemble learning atau optimasi model menggunakan metode boosting guna meningkatkan performa klasifikasi. Dengan demikian, sistem berbasis data mining ini dapat menjadi solusi inovatif dalam meningkatkan mutu pendidikan, mendukung kebijakan akademik yang lebih adaptif, serta mengarah pada pembelajaran yang lebih personalisasi dan efektif.
Downloads
References
S. Esananda, B. Nugroho, and F. Anggraeny, “Penerapan Algoritma Decision Tree Dalam Menentukan Prestasi Akademik Siswa,” J. Inform. dan Sist. Inf., vol. 2, pp. 413–424, Jul. 2021, doi: 10.33005/jifosi.v2i2.311.
R. Putri, “Pengaruh Teknologi dalam Perubahan Pembelajaran di Era Digital,” J. Comput. Digit. Bus., vol. 2, pp. 105–111, Sep. 2023, doi: 10.56427/jcbd.v2i3.233.
I. R. Lutunani and A. Nugroho, “Analisis Prediksi Mahasiswa Terhadap Kelulusan Tepat Waktu Menggunakan Metode Data Mining Decision Tree (Studi Kasus: FTI UKSW),” J. JTIK (Jurnal Teknol. Inf. dan Komunikasi), vol. 7, no. 2, pp. 313–321, 2023, doi: 10.35870/jtik.v7i2.781.
W. Lastari and J. Jasmir, “Penerapan Data Mining Untuk Memprediksi Prestasi Siswa SMA Pada Dinas Pendidikan Provinsi Jambi,” J. Manaj. Sist. Inf., vol. 8, no. 2, pp. 310–321, 2023, [Online]. Available: https://ejournal.unama.ac.id/index.php/jurnalmsi/article/view/864%0Ahttps://ejournal.unama.ac.id/index.php/jurnalmsi/article/download/864/685
M. F. R. Aditya, N. Lutvi, and U. Indahyanti, “Prediksi Penyakit Hipertensi Menggunakan Metode Decison Tree dan Random Forest,” J. Ilm. Komputasi, vol. 23, no. 1, pp. 9–16, 2024, doi: 10.32409/jikstik.23.1.3503.
M. R. Qisthiano, P. A. Prayesy, and I. Ruswita, “Penerapan Algoritma Decision Tree dalam Klasifikasi Data Prediksi Kelulusan Mahasiswa,” G-Tech J. Teknol. Terap., vol. 7, no. 1, pp. 21–28, 2023, doi: 10.33379/gtech.v7i1.1850.
I. Villarrasa-Sapiña, X. García-Massó, E. Liébana, and G. M. Torres, “Academic achievement prediction in secondary education by decision tree analysis,” Educ. XX1, vol. 27, no. 1, pp. 253–279, 2024, doi: 10.5944/educxx1.33351.
M. Risqi Ananda, N. Sandra, E. Fadhila, A. Rahma, and N. Nurbaiti, “Data Mining dalam Perusahaan PT Indofood Lubuk Pakam,” Com. Commun. Inf. Technol. J., vol. 2, no. 1, pp. 108–119, 2023, doi: 10.47467/comit.v2i1.124.
I. Setiawan, R. Fina Antika Cahyani, and I. Sadida, “Exploring Complex Decision Trees: Unveiling Data Patterns and Optimal Predictive Power,” J. Innov. Futur. Technol., vol. 5, no. 2, pp. 112–123, 2023, doi: 10.47080/iftech.v5i2.2829.
D. Vos and S. Verwer, “Optimizing Interpretable Decision Tree Policies for Reinforcement Learning,” 2024, [Online]. Available: http://arxiv.org/abs/2408.11632
N. Nailil Amani, M. Martanto, and U. Hayati, “Penggunaan Algoritma Decision Tree Untuk Prediksi Prestasi Siswa Di Sekolah Dasar Negeri 3 Bayalangu Kidul,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 473–479, 2024, doi: 10.36040/jati.v8i1.8355.
D. Lestari and S. Lestari, “Penerapan Data Mining Klasifikasi Tingkat Pemahaman Siswa Pada Kegiatan Belajar Mengajar dengan Metode Decision Tree (Studi Kasus SDN Malaka Jaya 11 Duren Sawit),” J. Indones. Manaj. Inform. dan Komun., vol. 5, no. 2, pp. 1260–1268, 2024, doi: 10.35870/jimik.v5i2.662.
R. R. Adhitya, Wina Witanti, and Rezki Yuniarti, “Perbandingan Metode Cart Dan Naïve Bayes Untuk Klasifikasi Customer Churn,” INFOTECH J., vol. 9, no. 2, pp. 307–318, 2023, doi: 10.31949/infotech.v9i2.5641.
D. Fatmawati, W. Trisnawati, Y. Jumaryadi, and G. Triyono, “Klasifikasi Tingkat Kepuasan Penggunaan Layanan Teknologi Informasi Menggunakan Decision Tree,” Media Online), vol. 3, no. 6, pp. 1056–1062, 2023, doi: 10.30865/klik.v3i6.803.
M. Azhari, H. Maulana, and F. Riza, “Data Mining Dalam Analisis Faktor Drop Out Mahasiswa Menerapkan Algoritma Decision Tree,” J. MEDIA Inform. BUDIDARMA, vol. 8, p. 1209, Apr. 2024, doi: 10.30865/mib.v8i2.7379.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 bit-Tech
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
I hereby assign and transfer to bit-Tech all exclusive copyright ownership rights to the above work. This includes, but is not limited to, the right to publish, republish, downgrade, distribute, transmit, sell, or use the work and other related materials worldwide, in whole, or in part, in all languages, in electronic, printed, or any other form of media, now known or hereafter developed and reserves the right to permit or license a third party to do any of the above. I understand that this exclusive right will belong to bit-Tech from the date the article is accepted for publication. I also understand that bit-Tech, as the copyright owner, has sole authority to license and permit reproduction of the article. I understand that, except for copyright, any other proprietary rights associated with the work (e.g. patents or other rights to any process or procedure) must be retained by the author. In addition, I understand that bit-Tech permits authors to use their papers in any way permitted by the applied Creative Commons license.
DOI :
Abstract views: 37
/ 
PDF downloads: 26
