Article Per Year (5 Year)
p-Index From 2020 - 2025
1.325
P-Index
This Author published in this journals
All Journal Jurnal Pengabdian Mandiri Abdi Jurnal Publikasi SAINSTECH: Jurnal Penelitian dan Pengkajian Sains dan Teknologi MULTIPLE: Journal of Global and Multidisciplinary Journal Information & Computer (JICOM)
Taswanda Taryo
Unknown Affiliation
Religion Humanities Biochemistry, Genetics & Molecular Biology Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Mechanical Engineering Social Sciences Other

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : MULTIPLE: Journal of Global and Multidisciplinary

 1 
Analisis Dan Perbandingan Algoritma Decision Tree, Naïve Bayes, Dan Random Forest Dalam Evaluasi Prestasi Siswa Smk (Study Kasus: Smkn 8 Kabupaten Tangerang) Reno Saeprani; Murni Handayani; Taswanda Taryo
urn:multiple://2988-7828multiple.v3i14
Publisher : Institute of Educational, Research, and Community Service

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Evaluasi prestasi siswa merupakan langkah penting dalam mengukur efektivitas pendidikan, terutama di lingkungan Sekolah Menengah Kejuruan (SMK). Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja tiga algoritma machine learning, yaitu Decision Tree, Naïve Bayes, dan Random Forest, dalam evaluasi prestasi siswa SMKN 8 Kabupaten Tangerang menggunakan dua platform pemrosesan data, yaitu RapidMiner dan Python. Algoritma tersebut diuji menggunakan teknik cross-validation dengan skema 5-fold, 7-fold, dan 10-fold, untuk mendapatkan akurasi terbaik dari masing-masing model. Dataset penelitian ini terdiri dari 493 data siswa dari enam jurusan: Teknik Jaringan Komputer dan Telekomunikasi (TJKT), Teknik Bisnis Sepeda Motor (TBSM), Teknik Pemesinan (TPM), Teknik Instalasi Tenaga Listrik (TITL), Otomatisasi dan Tata Kelola Perkantoran (OTKP), serta Akuntansi (AK). Hasil pengujian Cross Validation menunjukkan bahwa algoritma Random Forest consistently memberikan hasil terbaik pada kedua platform dengan akurasi tertinggi sebesar 87.01% pada RapidMiner (7-fold) dan 89.66% pada Python (10-fold). Naïve Bayes menempati posisi kedua dengan akurasi tertinggi 84.99% pada RapidMiner (7-fold) dan 84.18% pada Python (10-fold). Sementara itu, Decision Tree menunjukkan performa terendah, dengan akurasi tertinggi sebesar 72.82% pada RapidMiner (10-fold) dan 76.47% pada Python (5-fold). Temuan ini menunjukkan bahwa Random Forest adalah algoritma yang paling andal untuk mengevaluasi prestasi siswa dengan akurasi yang lebih tinggi dibandingkan dua algoritma lainnya. Selain itu Python menunjukkan kinerja yang lebih baik dibandingkan RapidMiner dalam hal akurasi model. Hasil penelitian ini diharapkan dapat menjadi acuan bagi pihak sekolah dalam memilih metode evaluasi prestasi siswa yang lebih efektif dan efisien, serta memberikan kontribusi signifikan dalam penerapan Data Mining di dunia pendidikan.
Co-Authors Achmad Hindasyah AGUNG BUDI SUSANTO Agus Sofwan Ahmad Musyafa Ajeng Permata Suri Baskoro Abhi P Dahlan Supriatna Desmayadi Desmayadi Entis Sutisna Farkhan Mubarok Gregorius Eduard D. P. Kun Wardana Masbah R.T. Siregar Mukhlishoh Syaukati Robbi Murni Handayani Nahampun, Rajin Nining Suharwati R. Suharyadi Reno Saeprani Sewaka Sri Vidawati Suharno Suharno Suriansjah Suriansjah Uliyatunisa Yustini Yustini