Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science
Putri, Deswita Dwi
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
Evaluasi Model Regresi Linier Berganda dalam Memprediksi Performance Index Menggunakan Cross Validation: Evaluation of Multiple Linear Regression Models in Predicting the Performance Index Using Cross-Validation Darani, Viche; Safebsi, Chika Mutia; Karimah, Dina; Putri, Deswita Dwi; Sunandi, Etis; Lestari, Wina Ayu
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 4 (2026): MALCOM October 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i4.2802

Abstract

Penelitian ini bertujuan untuk membangun dan mengevaluasi model regresi linier berganda dalam memprediksi Performance Index berdasarkan lima variabel independen, yaitu Study Hours, Extra Participation, Papers Practiced, Previous Marks, dan Sleeping Hours. Data yang digunakan bersumber dari Kaggle dan terdiri dari 1500 observasi yang telah melalui tahap preprocessing sehingga seluruh data bersih dan siap digunakan dalam analisis. Pengujian asumsi klasik yang mencakup uji linearitas, normalitas residual, multikolinearitas, heteroskedastisitas, dan autokorelasi menunjukkan bahwa seluruh asumsi terpenuhi. Berdasarkan hasil penelitian diperoleh nilai R-squared sebesar 0.9888, yang berarti 98.88% variasi pada variabel dependen dapat dijelaskan oleh kelima variabel independen, dengan Previous Marks sebagai variabel independen paling dominan. Seluruh variabel independen berpengaruh signifikan secara parsial maupun simultan terhadap variabel dependen. Evaluasi performa model menghasilkan nilai MAE sebesar 1.6081, MSE sebesar 4.1007, dan RMSE sebesar 2.0250. Validasi model menggunakan 10-fold cross-validation menghasilkan nilai metrik yang sangat mendekati hasil evaluasi awal, membuktikan bahwa model bersifat stabil dan tidak mengalami overfitting. Kebaruan penelitian ini terletak pada penerapan 10-fold cross-validation secara eksplisit dengan pelaporan metrik per fold serta perbandingan kuantitatif antara hasil evaluasi awal dan hasil cross-validation sebagai bukti ketiadaan overfitting.
Co-Authors Darani, Viche Karimah, Dina Lestari, Wina Ayu Safebsi, Chika Mutia Sunandi, Etis