Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Penelitian Ilmu Pendidikan Indonesia
Ariel Trifandi Zalukhu
Universitas Negeri Medan
Humanities Education Mathematics Social Sciences Other

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

Found 1 Documents
Search

 1 
Analisis Penerapan Machine Learning Berbasis Data Historis untuk Prediksi Hasil Belajar Siswa: Kajian Studi Literatur Andreas Damanik; Mikhael Batubara; Ariel Trifandi Zalukhu; Fransiskus Jul Rikar Gea; Afnel Yoniva Marbun; Putri Adelia br. Lumbantobing; Elsa Sabrina
Jurnal Penelitian Ilmu Pendidikan Indonesia Vol. 5 No. 3 (2026)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat, Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jpion.v5i3.1474

Abstract

Prediksi hasil belajar diperlukan untuk membantu mengidentifikasi peserta didik yang berisiko mengalami kesulitan akademik dan mendukung pemberian intervensi secara lebih awal. Penelitian ini bertujuan menganalisis penerapan machine learning berbasis data historis dalam prediksi hasil belajar peserta didik dengan mengidentifikasi algoritma yang digunakan, variasi data historis, performa model, serta kontribusinya terhadap early warning system. Penelitian menggunakan metode Systematic Literature Review dengan kerangka PICOC dan pedoman PRISMA. Pencarian dilakukan melalui Google Scholar dan Crossref terhadap publikasi tahun 2021-2026 menggunakan bantuan Publish or Perish. Dari proses seleksi diperoleh 12 jurnal utama yang dianalisis secara naratif dan deskriptif. Hasil sintesis menunjukkan bahwa Naïve Bayes merupakan algoritma yang paling sering digunakan, diikuti Random Forest dan Decision Tree. Data historis mencakup data akademik, kehadiran, aktivitas pembelajaran atau log LMS, serta data sosial-demografis. Performa model bervariasi bergantung pada karakteristik data, preprocessing, dan metode pengujian sehingga nilai akurasi tidak dapat dibandingkan secara langsung. Kontribusi terhadap early warning system masih terbatas, dengan implementasi yang paling jelas berupa sistem berbasis web untuk membantu guru mengidentifikasi peserta didik berisiko.
Co-Authors Afnel Yoniva Marbun Andreas Damanik Elsa Sabrina Fransiskus Jul Rikar Gea Mikhael Batubara Putri Adelia br. Lumbantobing