DATA MINING MENGGUNAKAN CORRELATION-BASED FEATURE SELECTION DAN ALGORITMA MACHINE LEARNING UNTUK PREDIKSI KINERJA AKADEMIK SISWA

Gori, Takhamo (2024) DATA MINING MENGGUNAKAN CORRELATION-BASED FEATURE SELECTION DAN ALGORITMA MACHINE LEARNING UNTUK PREDIKSI KINERJA AKADEMIK SISWA. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 22.55.1250 Takhamo Gori.pdf Download (5MB)

Abstract

Pendidikan memiliki peran penting dalam kehidupan masyarakat. Namun,retensi siswa dan putus sekolah menjadi tantangan serius yang dapat menghambatperkembangan sistem pendidikan. Kinerja akademik siswa yang rendah menjadi salah satu faktor yang menyebabkan putus sekolah, sehingga membutuhkan tindakan pencegahan yang efektif. Penelitian ini berjudul “Data MiningMenggunakan Correlation-Based Feature Selection dan Algoritma MachineLearning untuk Prediksi Kinerja Akademik Siswa,” bertujuan memprediksikinerja akademik siswa dengan menggunakan teknik correlation-based featureselection (CFS) dan membandingkan model prediksi Naïve Bayes (NB), Random Forest (RF), Decision Tree (DT) dan Multi-Layer Perceptron (MLP). Sejumlahpreprocessing data dilakukan pada awal penelitian, mencakup integrasi data, pelabelan data, transformasi data, dan pembersihan data. Pada threshold korelasi 0.05, CFS mengidentifikasi 18 atribut yangsignifikan terhadap variabel target. Pada threshold 0.1, 0.2, 0.3, 0.5, dan 0.55, CFS mengidentifikasi masing-masing 8, 4, 3, 2, dan 1 atribut signifikan. RFmenunjukkan performa terbaik pada threshold 0.05 dan 0.1 dengan akurasi 94.15% dan 92.68%. Pada threshold 0.2 dan 0.3, RF, DT, dan MLP menunjukkanakurasi seimbang sebesar 92.68%. Pada threshold 0.5, MLP unggul dengan akurasi 93.17% sedangkan pada threshold 0.55 NB, RF, DT, dan MLPmenunjukkan akurasi sebesar 91.71%. Dari hasil penelitian, disimpulkan bahwa CFS berhasil mengidentifikasiatribut yang memiliki korelasi signifikan terhadap variabel target dan efektif dalam meningkatkan performa model prediksi. Selain itu, RF dan MLPdirekomendasikan sebagai model prediksi yang sesuai dalam memprediksi kinerjaakademik siswa.

Actions (login required)

View Item