Analisis Dan Perbandingan Algoritma Decision Tree, Naïve Bayes, Dan Random Forest Dalam Evaluasi Prestasi Siswa Smk (Study Kasus: Smkn 8 Kabupaten Tangerang)

Abstract

Evaluasi prestasi siswa merupakan langkah penting dalam mengukur efektivitas pendidikan, terutama di lingkungan Sekolah Menengah Kejuruan (SMK). Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja tiga algoritma machine learning, yaitu Decision Tree, Naïve Bayes, dan Random Forest, dalam evaluasi prestasi siswa SMKN 8 Kabupaten Tangerang menggunakan dua platform pemrosesan data, yaitu RapidMiner dan Python. Algoritma tersebut diuji menggunakan teknik cross-validation dengan skema 5-fold, 7-fold, dan 10-fold, untuk mendapatkan akurasi terbaik dari masing-masing model. Dataset penelitian ini terdiri dari 493 data siswa dari enam jurusan: Teknik Jaringan Komputer dan Telekomunikasi (TJKT), Teknik Bisnis Sepeda Motor (TBSM), Teknik Pemesinan (TPM), Teknik Instalasi Tenaga Listrik (TITL), Otomatisasi dan Tata Kelola Perkantoran (OTKP), serta Akuntansi (AK). Hasil pengujian Cross Validation menunjukkan bahwa algoritma Random Forest consistently memberikan hasil terbaik pada kedua platform dengan akurasi tertinggi sebesar 87.01% pada RapidMiner (7-fold) dan 89.66% pada Python (10-fold). Naïve Bayes menempati posisi kedua dengan akurasi tertinggi 84.99% pada RapidMiner (7-fold) dan 84.18% pada Python (10-fold). Sementara itu, Decision Tree menunjukkan performa terendah, dengan akurasi tertinggi sebesar 72.82% pada RapidMiner (10-fold) dan 76.47% pada Python (5-fold). Temuan ini menunjukkan bahwa Random Forest adalah algoritma yang paling andal untuk mengevaluasi prestasi siswa dengan akurasi yang lebih tinggi dibandingkan dua algoritma lainnya. Selain itu Python menunjukkan kinerja yang lebih baik dibandingkan RapidMiner dalam hal akurasi model. Hasil penelitian ini diharapkan dapat menjadi acuan bagi pihak sekolah dalam memilih metode evaluasi prestasi siswa yang lebih efektif dan efisien, serta memberikan kontribusi signifikan dalam penerapan Data Mining di dunia pendidikan.