<![CDATA[Prediksi prestasi akademik siswa berbasis data menjadi keperluan strategis dalam manajemen pendidikan modern. Studi ini mengkaji efektivitas dua model Machine Learning—Support Vector Machine (SVM) dan Random Forest—dalam memprediksi capaian akademik peserta didik SMA Negeri menggunakan data sintetis yang menyerupai data riil sekolah. Dataset dikembangkan dari tiga variabel utama: nilai semester, tingkat kehadiran, dan latar belakang sosial ekonomi. Model diuji menggunakan validasi silang lima lipat dan dievaluasi melalui metrik akurasi, presisi, recall, serta F1-score. Hasil menunjukkan bahwa Random Forest lebih stabil dan unggul secara akurasi dibandingkan SVM dalam konteks data multidimensi non-linier. Studi ini menunjukkan potensi integrasi sistem prediktif ke dalam praktik manajerial sekolah untuk mendukung pengambilan keputusan berbasis data yang lebih akurat dan preventif terhadap kegagalan akademik.]]>
Copyrights © 2025
