Klasifikasi Siswa Terbaik menggunakan Metode Ensemble Random Forest

Mrg, Ricky Aulia (2024) Klasifikasi Siswa Terbaik menggunakan Metode Ensemble Random Forest. Sistemasi: Jurnal Sistem Informasi, 13 (3).

Text jurnal_auliaa_mrg.pdf Download (754kB)

Abstract

Pendidikan di Madrasah Aliyah Negeri 1 Medan mempertimbangkan nilai-nilai keagamaan, etika, kepemimpinan, dan partisipasi dalam kegiatan ekstrakurikuler sebagai bagian integral dari pembentukan karakter siswa. Oleh karena itu, perlu dikembangkan suatu sistem klasifikasi yang memadukan berbagai aspek ini untuk memastikan bahwa siswa terbaik tidak hanya unggul dalam ujian akademis tetapi juga memiliki kemampuan sosial, kepemimpinan, moral yang kuat dan ekstrakulikuler. Tujuan penelitian ini adalah Untuk mengimplementasikan metode Ensemble Random Forest dalam memprediksi siswa terbaik MAN 1 Medan dan membangun sistem dalam memprediksi siswa terbaik MAN 1 Medan menggunakan metode Ensemble Random Forest. Data yang digunakan sebanyak 550 dibagi menjadi 385 data sebagai data Training dan 165 data Testing. Dalam implementasi Random Forest dengan tiga pohon keputusan yang dibentuk dari perhitungan entropy terhadap 385 data training, diikuti dengan pengujian menggunakan 10 data testing dari total 165 data yang ada, hasilnya menunjukkan bahwa model memprediksi 8 data sebagai kelas 1 (siswa terbaik) dan 2 data sebagai kelas 0 (siswa normal) dari total 10 data pengujian. Dari hasil pengujian menggunakan data training 385 data dan data testing 165 data, model Random Forest memprediksi 70 data sebagai siswa terbaik (kelas 1) dan 95 data sebagai siswa normal (kelas 0) dengan precision yang tinggi untuk kedua kelas (0.94 untuk kelas 0 dan 0.99 untuk kelas 1), serta recall yang tinggi untuk kedua kelas (0.92 untuk kelas 0 dan 0.99 untuk kelas 1) Akurasi keseluruhan mencapai 0.96, menegaskan kemampuan model dalam mengklasifikasikan data secara keseluruhan dengan baik.

Jenis Item:	Artikel
Subjects:	300 Social sciences > 370 Education
Divisions:	Fakultas Sains dan Teknologi > Ilmu Komputer
Pengguna yang mendeposit:	Mrs Siti Masitah
Date Deposited:	23 Jan 2025 02:35
Last Modified:	23 Jan 2025 02:35
URI:	http://repository.uinsu.ac.id/id/eprint/23765

Actions (login required)

View Item