<![CDATA[Nilai akhir sekolah merupakan indikator penting untuk menilai capaian akademik siswa dan mendukung pengambilan keputusan berbasis data. Penelitian ini menerapkan Random Forest Regression untuk mengestimasi nilai akhir akademik siswa menggunakan data akademik historis SMKN 1 Kudus. Alur penelitian mengikuti Cross-Industry Standard Process for Data Mining (CRISP-DM), yang meliputi pemahaman kebutuhan, pemahaman data, persiapan data, pemodelan, evaluasi, dan penggunaan konseptual hasil untuk pemantauan akademik dini. Dataset berisi 1.530 data siswa dari enam program keahlian dan dibagi menjadi 80% data latih serta 20% data uji. Model menggunakan n_estimators=100, max_depth=10, dan random_state=42, dengan Rata_Rata_Rapor sebagai proksi capaian akhir akademik. Evaluasi pada 306 data uji menghasilkan Mean Absolute Error (MAE) sebesar 0,4556 dan Root Mean Squared Error (RMSE) sebesar 0,5801. Nilai RMSE yang hanya sedikit lebih tinggi daripada MAE menunjukkan bahwa galat yang relatif besar terbatas; titik aktual-prediksi mendekati garis diagonal dan residual berpusat di sekitar nol. BK, PPKn, Matematika, B. Indonesia, dan PKK memiliki skor kepentingan fitur relatif tertinggi. Kebaruan penelitian terletak pada prediksi skor akademik kontinu, bukan hanya kelas lulus atau tidak lulus, serta penggabungan evaluasi berbasis galat dengan analisis kepentingan fitur untuk mendukung pemantauan dini yang dapat diinterpretasikan. ]]>
