Penerapan Algoritma Random Forest dalam Prediksi Status Penerima PIP pada Siswa: Studi Kasus pada SMK Amaliah 1

Novrian, Risfan
Agustiani, Tia
Fikri, Muhamad
Hikmatulloh , Moch Fajar
Gunawan, Muhammad Erlangga
Firdaus, Uus

Karimah Tauhid
Vol. 3 No. 2 (2024): Karimah Tauhid

Penelitian ini bertujuan untuk mengeksplorasi dan mengimplementasikan algoritma Random Forest dalam konteks prediksi status penerima Program Indonesia Pintar (PIP) pada siswa tingkat sekolah menengah. Algoritma Random Forest telah terbukti efektif dalam masalah klasifikasi, dan penelitian ini mengadopsinya untuk menganalisis faktor-faktor yang mempengaruhi kelayakan penerimaan PIP. Studi ini menggunakan dataset siswa yang mencakup informasi seperti nama, kelas, dan beberapa atribut sosio-ekonomi seperti Penerima KPS, Penerima KKS, Miskin, dan Yatim. Metode penelitian melibatkan tahap-tahap persiapan data, pembagian data, dan pelatihan model menggunakan algoritma Random Forest. Hasil eksperimen dievaluasi dengan menggunakan metrik kinerja yang mencakup akurasi prediksi. Analisis hasil memberikan wawasan yang mendalam tentang faktor-faktor yang paling signifikan dalam menentukan status penerima PIP. Selain itu juga membahas keunggulan dan kelemahan penerapan algoritma Random Forest. Penelitian ini tidak hanya memberikan kontribusi pada pemahaman tentang implementasi algoritma machine learning dalam konteks pendidikan, tetapi juga diharapkan dapat memberikan panduan bagi kebijakan sosial di bidang pendidikan untuk lebih efektif mendukung siswa yang membutuhkan bantuan finansial.Penelitian ini bertujuan untuk mengeksplorasi dan mengimplementasikan algoritma Random Forest dalam konteks prediksi status penerima Program Indonesia Pintar (PIP) pada siswa tingkat sekolah menengah. Algoritma Random Forest telah terbukti efektif dalam masalah klasifikasi, dan penelitian ini mengadopsinya untuk menganalisis faktor-faktor yang mempengaruhi kelayakan penerimaan PIP. Studi ini menggunakan dataset siswa yang mencakup informasi seperti nama, kelas, dan beberapa atribut sosio-ekonomi seperti Penerima KPS, Penerima KKS, Miskin, dan Yatim. Metode penelitian melibatkan tahap-tahap persiapan data, pembagian data, dan pelatihan model menggunakan algoritma Random Forest. Hasil eksperimen dievaluasi dengan menggunakan metrik kinerja yang mencakup akurasi prediksi. Analisis hasil memberikan wawasan yang mendalam tentang faktor-faktor yang paling signifikan dalam menentukan status penerima PIP. Selain itu juga membahas keunggulan dan kelemahan penerapan algoritma Random Forest. Penelitian ini tidak hanya memberikan kontribusi pada pemahaman tentang implementasi algoritma machine learning dalam konteks pendidikan, tetapi juga diharapkan dapat memberikan panduan bagi kebijakan sosial di bidang pendidikan untuk lebih efektif mendukung siswa yang membutuhkan bantuan finansial.