Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosidia Widya Saintek
Retno Wilujeng
Universitas Widya Gama Malang
Agriculture, Biological Sciences & Forestry Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mechanical Engineering Social Sciences Transportation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
UJI KOMPARASI METODE NAÏVE BAYES DAN RANDOM FOREST DALAM PREDIKSI PRESTASI BELAJAR SISWA SMA PJ GLOBAL SCHOOL Retno Wilujeng; Fitri Marisa; Istiadi Istiadi
Prosidia Widya Saintek Vol. 5 No. 2 (2026)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja algoritma machine learning dalam memprediksi prestasi belajar siswa sekolah menengah atas. Permasalahan utama dalam penelitian ini adalah belum optimalnya pemanfaatan data akademik untuk mendukung pengambilan keputusan berbasis data di lingkungan sekolah. Metode yang digunakan adalah pendekatan klasifikasi dengan menerapkan algoritma Naïve Bayes dan Random Forest. Data penelitian berupa data primer sebanyak 82 siswa SMA PJ Global School yang mencakup variabel jenis kelamin, jumlah saudara, jarak rumah ke sekolah, nilai rapor setiap semester, serta nilai rata – rata akademik. Tahapan penelitian meliputi pengumpulan data, preprocessing yang terdiri atas pembersihan dan transformasi data, pemodelan klasifikasi, serta evaluasi menggunakan metrik akurasi, presisi, recall, F1-score, dan AUC melalui skema 4-fold cross validation. Hasil penelitian menunjukkan bahwa kedua algoritma mampu melakukan klasifikasi dengan performa yang baik, namun Random Forest menghasilkan tingkat akurasi dan konsistensi yang lebih tinggi dibandingkan Naïve Bayes. Temuan ini menunjukkan bahwa metode ensemble learning lebih efektif dalam memodelkan pola prestasi belajar pada dataset yang digunakan.
Co-Authors Fitri Marisa Istiadi Istiadi