Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business
Muhammad Nur Wahid
Universitas Islam Lamongan
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Implementasi Metode Regresi Linier Berganda Untuk Prediksi Akademik Siswa di SMK NU 1 Kedungpring Muhammad Nur Wahid; M. Ghofar Rohman; M. Hasan Wahyudi
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.13975

Abstract

SMK NU 1 Kedungpring sebagai lembaga pendidikan menengah kejuruan berkomitmen untuk meningkatkan mutu akademik siswanya. Namun, dalam praktiknya, sekolah sering menghadapi kesulitan dalam memprediksi hasil belajar secara tepat. Penelitian ini membahas implementasi metode regresi linier berganda untuk memprediksi nilai akademik siswa di SMK NU 1 Kedungpring. Sistem prediksi dirancang berbasis website agar memudahkan integrasi data, visualisasi, dan pelaporan secara real-time. Variabel independen meliputi ketidakhadiran, ekstrakurikuler, dan kepribadian, sedangkan variabel dependen berupa nilai akhir siswa. Dataset diperoleh melalui dokumentasi, arsip sekolah, dan analisis dokumen berupa rapor serta catatan akademik. Penelitian ini menggunakan data pelatihan sebanyak 160 data dan pengujian sebanyak 40 data, lalu dievaluasi menggunakan MAPE, MSE, dan RMSE guna memastikan validitas dan akurasi prediksi. Hasil penelitian menunjukkan bahwa metode regresi linier berganda mampu menghasilkan prediksi dengan akurasi sangat baik. Evaluasi model menggunakan Mean Absolute Percentage Error (MAPE) sebesar 7,42%, Mean Squared Error (MSE) sebesar 39,28106, dan Root Mean Squared Error (RMSE) sebesar 6,27. Nilai MAPE dan RMSE di bawah 10% menandakan hasil prediksi termasuk kategori highly accurate. Sistem ini layak diterapkan sebagai pendukung keputusan sekolah untuk intervensi dini terhadap siswa yang berpotensi menurun prestasinya, sekaligus memberikan kontribusi akademik dalam penerapan regresi linier berganda di bidang pendidikan.
Co-Authors M. Ghofar Rohman M. Hasan Wahyudi