PREDIKSI KELULUSAN SISWA BERDASARKAN NILAI AKADEMIK DAN FAKTOR SOSIAL MENGGUNAKAN DECISION TREE DAN K-NEAREST NEIGHBORS

Authors

  • Haykal Ikhwan Hanif Institut Prima Bangsa
  • Muhammad Amirul Fajri Al Amin Institut Prima Bangsa

Keywords:

data mining, prediksi kelulusan, decision tree, K-Nearest Neighbor, student performance, educational data mining, machine learning in education

Abstract

Penelitian ini bertujuan untuk penggunaan algoritma data mining sebagai prediksi kelulusan siswa berdasarkan nilai akademik dan faktor sosial adalah subjek penelitian ini. Data UCI termasuk nilai ulangan (G1, G2, dan G3), kehadiran, kegagalan sebelumnya, dan waktu belajar. Decision Tree dan K-Nearest Neighbor (KNN) adalah dua algoritma klasifikasi yang digunakan. Untuk mendapatkan label kelulusan, nilai G3 setidaknya 10 diperlukan. Data dibagi menjadi data latih dan uji dengan rasio 80:20. Hasil menunjukkan bahwa Decision Tree lebih akurat dan mudah dipahami daripada KNN. Temuan ini menunjukkan bahwa data mining dapat membantu sekolah menemukan siswa yang mungkin tidak lulus lebih awal, memungkinkan intervensi akademik yang cepat.

Published

2025-11-24

Issue

Vol. 1 No. 2 (2025): Computa

Section

Articles

How to Cite

PREDIKSI KELULUSAN SISWA BERDASARKAN NILAI AKADEMIK DAN FAKTOR SOSIAL MENGGUNAKAN DECISION TREE DAN K-NEAREST NEIGHBORS. (2025). Journal of Computer and Informatics Engineering, 1(2). //computa.ipbcirebon.ac.id/index.php/computa/article/view/44