Claim Missing Document
Check
Articles

Found 2 Documents
Search

Student Dropout Risk Classification: A Comparison of Random Forest and Naïve Bayes Algorithms Shopi Nurul Hasanah; Ita Hardianti; Vira Fitriza Fadli
Jurnal E-Komtek (Elektronika-Komputer-Teknik) Vol 10 No 1 (2026)
Publisher : Politeknik Piksi Ganesha Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37339/e-komtek.v10i1.3554

Abstract

Student dropout challenges higher education, while class imbalance can obscure models’ ability to identify students at risk. This study compared Random Forest and Naïve Bayes using academic and nonacademic variables, emphasizing performance on the dropout class. Evaluation used 1,900 test records: 1,452 non-dropout and 448 dropout cases. Confusion matrices, classification metrics, a majority-class baseline, balanced accuracy, and Matthews correlation coefficient were examined. Naïve Bayes achieved 76.58% accuracy, exceeding Random Forest’s 73.21% but barely surpassing the 76.42% baseline. For dropout detection, Random Forest achieved 0.20 recall and a 0.26 F1-score, compared with 0.05 and 0.09 for Naïve Bayes. Random Forest identified 91 dropout cases versus 22, with approximately 1.93 additional false alarms per additional case detected. Despite its relative advantage in detecting dropout, Random Forest missed 357 of 448 cases. Neither model is suitable as a primary early warning classifier without further improved handling of class imbalance and careful decision thresholds.
PENINGKATAN KREATIVITAS DIGITAL MELALUI PEMANFAATAN GENERATIVE AI BERBASIS CLOUD COMPUTING Vira Fitriza Fadli; Anjar Setiawan; Andi Romansyah; Ikhsan Rahmatulloh; Andri Hermawan; Putri Amelia; Soma Dwi Jaya; Amanda Fahri Pratama
Jurnal Pengabdian Masyarakat - Teknologi Digital Indonesia. Vol 5, No 2 (2026): Oktober 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jpm.v5i2.2840

Abstract

Kegiatan Pengabdian kepada Masyarakat (PkM) ini bertujuan untuk meningkatkan kreativitas digital siswa melalui pemanfaatan Generative Artificial Intelligence (Generative AI) berbasis cloud computing di SMK Ikhlas Jawilan. Pelatihan difokuskan pada pengenalan konsep dasar Artificial Intelligence, Generative AI, dan cloud computing, serta praktik pemanfaatan platform PartyRock dalam menghasilkan aplikasi sederhana dan konten visual berbasis AI. Metode pelaksanaan menggunakan pendekatan experiential learning sehingga peserta memperoleh pengalaman belajar secara langsung dalam mengembangkan karya digital. Evaluasi kegiatan dilakukan melalui pengukuran pada tahap pra dan pasca pelatihan terhadap indikator partisipasi peserta, pemahaman AI dan cloud computing, kemampuan praktik, kreativitas digital, kepercayaan diri, kolaborasi, respons sekolah, serta keberlanjutan pemanfaatan teknologi. Hasil evaluasi menunjukkan bahwa seluruh indikator mengalami peningkatan setelah pelatihan, dengan nilai rata-rata meningkat dari 77,88% pada tahap pra pelatihan menjadi 91,13% pada tahap pasca pelatihan. Capaian pasca pelatihan berada pada kisaran 88-95%, yang menunjukkan peningkatan pada aspek pengetahuan, keterampilan, dan sikap peserta dalam memanfaatkan Generative AI. Hasil tersebut menunjukkan bahwa pelatihan berhasil meningkatkan pemahaman, keterampilan kreativitas digital serta kesiapan peserta dalam memanfaatkan teknologi AI secara produktif dan bertanggung jawab. Selain memberikan manfaat bagi siswa, kegiatan ini juga membantu guru dalam memperluas wawasan terkait pemanfaatan teknologi AI sebagai media pendukung pembelajaran yang inovatif dan adaptif terhadap perkembangan teknologi modern.  Secara keseluruhan, kegiatan PkM ini berkontribusi positif  dan memiliki potensi untuk dikembangkan sebagai program pelatihan berkelanjutan guna memperkuat literasi digital, mendorong inovasi pembelajaran, serta mengoptimalkan pemanfaatan teknologi Generative AI di lingkungan sekolah.