Penerapan Algoritma Random Forest Untuk Prediksi Performa Akademik Siswa Sekolah Dasar

Abstract

Performa akademik siswa merupakan salah satu indikator penting dalam mengevaluasi keberhasilan proses pembelajaran pada jenjang sekolah dasar. Namun, pemanfaatan data akademik yang tersedia di sekolah sering kali masih terbatas sebagai arsip administratif dan belum dimanfaatkan secara optimal untuk mendukung pengambilan keputusan. Penelitian ini bertujuan menerapkan algoritma Random Forest dalam mengklasifikasikan performa akademik siswa berdasarkan data nilai mata pelajaran dan absensi. Dataset yang digunakan terdiri dari 177 data siswa yang dikelompokkan ke dalam tiga kategori performa akademik, yaitu Tinggi, Sedang, dan Rendah. Tahapan penelitian meliputi pengumpulan data, pra-pemrosesan data, pembangunan model menggunakan Random Forest dengan optimasi hyperparameter menggunakan GridSearchCV berbasis 5-Fold Cross-Validation, serta evaluasi model menggunakan metrik evaluasi dan Confusion Matrix. Hasil validasi Stratified 5-Fold CV menunjukan rata-rata akurasi sebesar 90,79%, dengan standar deviasi 2,82%, mengindikasikan model yang stabil. Optimasi menggunakan GridSearchCV menghasilkan Best CV Score sebesar 92,93%. Evaluasi pada data pengujian menghasilkan akurasi 91,67% dengan nilai precision 92,01%, recall 91,67%, dan F1-score 91,75%. Analisis feature importance menunjukkan bahwa atribut IPAS, Bahasa Indonesia, dan Agama merupakan variabel paling berpengaruh dalam proses klasifikasi. Hasil penelitian menunjukkan bahwa algoritma Random Forest mampu mengklasifikasikan performa akademik siswa dengan baik serta akurat dan dapat dimanfaatkan sebagai alat bantu objektif dalam mendukung pengambilan keputusan pembelajaran berbasis data.