<![CDATA[Kinerja akademik siswa merupakan indikator penting dalam menilai efektivitas proses pembelajaran di tingkat Sekolah Menengah Pertama (SMP). Penelitian ini bertujuan untuk membangun model prediksi kinerja siswa menggunakan pendekatan machine learning berdasarkan kombinasi data akademik dan perilaku. Data yang digunakan mencakup nilai Matematika, nilai Bahasa Indonesia, waktu belajar di luar sekolah, keaktifan dalam kegiatan ekstrakurikuler, tingkat kehadiran, dan jumlah absensi dalam satu semester. Tiga algoritma machine learning digunakan dalam penelitian ini, yaitu Logistic Regression, Decision Tree, dan Neural Network, untuk membandingkan performa model dalam memprediksi kinerja siswa. Hasil evaluasi menggunakan confusion matrix menunjukkan bahwa setiap algoritma memiliki tingkat akurasi yang bervariasi tergantung pada proporsi pembagian data latih dan uji. Neural Network mencatat akurasi tertinggi sebesar 59% pada skenario pembagian data 60:40 dan 57% pada skenario 70:30. Decision Tree menunjukkan peningkatan performa signifikan pada skenario 80:20 dengan akurasi mencapai 59%, sedangkan Logistic Regression cenderung stabil dengan akurasi terbaik 52% pada skenario 70:30. Temuan ini menunjukkan bahwa pendekatan machine learning dapat memberikan kontribusi signifikan dalam proses identifikasi dini siswa yang berisiko mengalami penurunan prestasi. Dengan penerapan yang tepat, model ini berpotensi membantu guru dan sekolah dalam merancang strategi pembelajaran yang lebih adaptif. Penelitian ini menjadi dasar pengembangan sistem pendukung keputusan berbasis data di lingkungan pendidikan.]]>
