Prediksi Nilai Akhir Siswa SMK Nurul Ulum Menggunakan Metode Decision Tree

Zaehol Fatah; Moch. Hegal Muktasim Billah

doi:10.31004/riggs.v4i4.3303

Authors

Zaehol Fatah Universitas Ibrahimy Situbondo
Moch. Hegal Muktasim Billah Universitas Ibrahimy Situbondo

DOI:

https://doi.org/10.31004/riggs.v4i4.3303

Keywords:

Decision Tree, Prediksi Nilai Akhir, Nilai Rapor, RapidMiner, Klasifikasi

Abstract

Studi ini berfokus pada pengembangan model prediksi nilai akhir siswa menggunakan metode Decision Tree berbasis data nilai rapor di SMK Nurul Ulum Semiring. Data penelitian diperoleh dari komponen penilaian rapor yang meliputi nilai Ujian Tengah Semester (UTS), Ujian Akhir Semester (UAS), dan tingkat kehadiran siswa kelas X Program Keahlian Desain Komunikasi Visual (DKV) tahun ajaran 2024/2025. Proses analisis dilakukan menggunakan perangkat lunak RapidMiner Studio melalui tahapan pra-pemrosesan data, pembentukan atribut nilai akhir, klasifikasi, serta evaluasi performa model. Hasil pengujian menunjukkan bahwa metode Decision Tree mampu memprediksi nilai akhir siswa dengan tingkat akurasi mencapai 100%, yang berarti seluruh data dapat diklasifikasikan sesuai dengan label sebenarnya. Atribut nilai akhir menjadi faktor paling dominan dalam proses klasifikasi dengan dua kategori utama, yaitu Sangat Baik dan Baik. Model yang dihasilkan memiliki interpretabilitas tinggi sehingga memudahkan pihak sekolah dalam memahami pola penilaian dan faktor yang memengaruhi capaian akademik siswa. Selain itu, model ini berpotensi dimanfaatkan sebagai alat bantu dalam pemantauan perkembangan belajar, identifikasi dini penurunan prestasi, serta evaluasi efektivitas proses pembelajaran secara lebih terstruktur dan objektif. Meskipun demikian, keterbatasan variasi data menyebabkan model hanya menghasilkan dua kategori klasifikasi, sehingga penelitian lanjutan dengan jumlah data lebih besar, atribut tambahan yang lebih beragam, serta perbandingan antar-metode diperlukan untuk meningkatkan generalisasi dan keakuratan model pada konteks akademik yang lebih luas.

Downloads

Download data is not yet available.

References

M. Prasojo, Sriyanto, and J. Triwidianti, “Prediksi Prestasi Siswa SMK Masuk Pasar Kerja Menggunakan Teknik Data Mining,” Institut Informatika dan Bisnis Darmajaya, pp. 134–150, 2021.

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 Mahasiswa Teknik Informatika), vol. 8, no. 1, pp. 473–479, 2024.

T. A. Yoga Siswa, “Komparasi Optimasi Chi-Square, CFS, Information Gain dan ANOVA dalam Evaluasi Peningkatan Akurasi Algoritma Klasifikasi Data Performa Akademik Mahasiswa,” Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer, vol. 18, no. 1, p. 62, 2023.

Slamet Kusworo, Nugroho Adhi Santoso, and Rifki Dwi Kurniawan, “Prediksi Nilai Akhir Semester Siswa Menggunakan Algoritma Random Forest,” Jurnal Sains dan Ilmu Terapan, vol. 7, no. 2, pp. 246–256, 2024.

K. Khoirunnisa, L. Susanti, I. T. Rokhmah, and L. Stianingsih, “Prediksi Siswa Smk Al-Hidayah Yang Masuk Perguruan Tinggi Dengan Metode Klasifikasi,” Jurnal Informatika, vol. 8, no. 1, pp. 26–33, 2021.

S. Ikumi, T. Shiga, E. Takaya, S. Sonobe, Y. Kaiho, and Y. Ito, “Prediction of financial deficits of postoperative patients in the intensive care unit using machine learning,” 2025.

Y. L. Fatma and N. Rochmawati, “Prediksi Siswa Putus Sekolah Menggunakan Algoritma Decision Tree C4.5,” Journal of Informatics and Computer Science (JINACS), vol. 5, no. 04, pp. 486–493, 2024.

Nur Yanti Lumban Gao, “Prediksi Mahasiswa Berpotensi Non Aktif Menggunakan Data Mining dalam Decision Tree dan Algoritma C4.5,” Jurnal on Education, vol. 02, no. 01, pp. 23–29, 2020.

M. G. Febrian, R. Ferdiansyah, E. A. Nugraha, D. Satriatama, and R. Kusumastuti, “Prediksi Risiko Diabetes Menggunakan Algoritma Decision Tree Dengan Aplikasi Rapid Miner,” Jurnal Teknologi Informasi, vol. 2, no. November, pp. 14–24, 2024.

U. Al Faruq, M. Ainun Naja Fauzi, I. Fatayasya, E. Daniati, A. Ristyawan, and N. PGRI Kediri, “Prediksi Data Kelulusan Mahasiswa Dengan Metode Decision Tree menggunakan Rapidminer,” Agustus, vol. 7, pp. 131–138, 2023, [Online]. Available: https://proceeding.unpkediri.ac.id/index.php/inotek/%0APrediksi

S. Maulana, A. Premana, and B. Irawan, “Prediksi Prestasi Akademik Siswa Terbaik Menggunakan Algoritma Decision Tree Berbasis Data Historis,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 5, pp. 7890–7897, 2025, doi: 10.36040/jati.v9i5.14936.

E. D. Anggara, A. Widjaja, and B. R. Suteja, “Prediksi Kinerja Pegawai sebagai Rekomendasi Kenaikan Golongan dengan Metode Decision Tree dan Regresi Logistik,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 8, no. 1, pp. 218–234, 2022, doi: 10.28932/jutisi.v8i1.4479.

N. Fayza, N. Svensons, S. A. Fatmawati, P. Rotua, and K. Erviona, “Analisis Perbandingan Algoritma Klasifikasi Decision Tree, K-Nearest Neighbors, Naive Bayes, dan Random Forest pada Data Pemilihan Legislatif KPU Menggunakan Kurva ROC,” Jurnal of Data Science Methods and Applications, vol. 01, no. 01, pp. xx-yy, 2025, doi: 10.30873/jodmapps.v1i1.pp7-17.

R. Simarmata and Y. T. Samuel, “Analisa Pengaruh Penggunaan Gadget Terhadap Nilai Akhir Siswa SMA Secara Umum Menggunakan Metode Data Mining (Decision Tree),” TeIKa, vol. 11, no. 1, pp. 15–28, 2021, doi: 10.36342/teika.v11i1.2475.

W. O. Mardiana, N. A., & Windari, “G-Tech : Jurnal Teknologi Terapan,” G-Tech : Jurnal Teknologi Terapan, vol. 8, no. 1, pp. 186–195, 2024.

M. T. Gunawan, J. Y. Tine, and C. E. Murwaningtyas, “Model decision tree untuk prediksi prestasi akademik matematika siswa kelas VIII SMP Frater Don Bosco Manado,” Jurnal Pendidikan Informatika dan Sains, vol. 13, no. 2, pp. 141–153, 2024, doi: 10.31571/saintek.v13i2.7696.