Pertiwi, Meylani Eka (2025) ANALISIS KINERJA RANDOM FOREST DAN DECISION TREE DENGAN OPTIMASI SIMULATED ANNEALING UNTUK MEMPREDIKSI NILAI ASPD. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id/style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (3MB) |
|
Text (BAB I)
BAB I.pdf Download (1MB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (5MB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (6MB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (2MB) |
|
Text (BAB V)
BAB V.pdf Download (581kB) |
|
Text (DAFTAR PUSTAKA-LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (93kB) |
![[img]](https://eprints.amikom.ac.id/style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - 21.11.4393.zip Restricted to Repository staff only Download (270kB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (2MB) |
Abstract
Penelitian ini bertujuan untuk mengembangkan dan memprediksi nilai Asesmen Standardisasi Pendidikan Daerah (ASPD) menggunakan pendekatan machine learning dengan algoritma Random Forest dan Decision Tree, serta mengoptimalkan performa model menggunakan metode Simulated Annealing. Data yang digunakan berasal dari 119 siswa SMP Negeri 2 Mlati pada tahun ajaran 2023/2024, mencakup nilai literasi membaca, literasi sains, dan numerasi dari hasil Try Out serta ASPD(Asesmen Standardisasi Pendidikan Daerah). Data diproses melalui tahap pembersihan, konversi tipe data, penanganan missing value, dan pemilihan fitur. Pemilihan fitur dilakukan dengan kombinasi metode SelectKBest (Univariate) dan Importance Random Forest (multivariat) untuk mengidentifikasi 6 fitur paling relevan: bahasa indonesial, rata-rata Literasil, ASPD Literasi, bahasa indonesia2, ASPD Numerasi, dan ASPD Sains. Model diuji dengan membagi data menjadi 80% data latih dan 20% data uji. Hasil penelitian menunjukkan bahwa model Random Forest dan Decision Tree yang dioptimalkan dengan Simulated Annealing mampu memprediksi nilai ASPD dengan akurasi sangat tinggi, yaitu Random Forest 94.55% dan Decision Tree 82.70%. Pendekatan ini diharapkan dapat mendukung peningkatan kualitas pendidikan dan mutu pembelajaran di tingkat SMP.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Random Forest, Decision Tree, Simulated Annealing, Prediksi Nilai | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 006 Metode komputer khusus | ||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 03 Dec 2025 02:10 | ||
| Last Modified: | 03 Dec 2025 02:10 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/31441 |
Actions (login required)
 |
View Item |