Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business
Billah, Moch. Hegal Muktasim
Unknown Affiliation
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 
Prediksi Nilai Akhir Siswa SMK Nurul Ulum Menggunakan Metode Decision Tree Fatah, Zaehol; Billah, Moch. Hegal Muktasim
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.3303

Abstract

Studi ini berfokus pada pengembangan model prediksi nilai akhir siswa menggunakan metode Decision Tree berbasis data nilai rapor di SMK Nurul Ulum Semiring. Data penelitian diperoleh dari komponen penilaian rapor yang meliputi nilai Ujian Tengah Semester (UTS), Ujian Akhir Semester (UAS), dan tingkat kehadiran siswa kelas X Program Keahlian Desain Komunikasi Visual (DKV) tahun ajaran 2024/2025. Proses analisis dilakukan menggunakan perangkat lunak RapidMiner Studio melalui tahapan pra-pemrosesan data, pembentukan atribut nilai akhir, klasifikasi, serta evaluasi performa model. Hasil pengujian menunjukkan bahwa metode Decision Tree mampu memprediksi nilai akhir siswa dengan tingkat akurasi mencapai 100%, yang berarti seluruh data dapat diklasifikasikan sesuai dengan label sebenarnya. Atribut nilai akhir menjadi faktor paling dominan dalam proses klasifikasi dengan dua kategori utama, yaitu Sangat Baik dan Baik. Model yang dihasilkan memiliki interpretabilitas tinggi sehingga memudahkan pihak sekolah dalam memahami pola penilaian dan faktor yang memengaruhi capaian akademik siswa. Selain itu, model ini berpotensi dimanfaatkan sebagai alat bantu dalam pemantauan perkembangan belajar, identifikasi dini penurunan prestasi, serta evaluasi efektivitas proses pembelajaran secara lebih terstruktur dan objektif. Meskipun demikian, keterbatasan variasi data menyebabkan model hanya menghasilkan dua kategori klasifikasi, sehingga penelitian lanjutan dengan jumlah data lebih besar, atribut tambahan yang lebih beragam, serta perbandingan antar-metode diperlukan untuk meningkatkan generalisasi dan keakuratan model pada konteks akademik yang lebih luas.
Co-Authors Fatah, Zaehol