<![CDATA[Pandemi COVID-19 berdampak pada dunia pendidikan, termasuk menurunnya jumlah pendaftar di Bimbingan Belajar Quick & Smart Course (QSC) Kota Cirebon. Kesulitan dalam memprediksi jumlah siswa baru menyebabkan kendala dalam alokasi pengajar, ruang kelas, dan strategi pemasaran yang masih dilakukan secara manual tanpa analisis data. Penelitian ini bertujuan untuk membangun sistem prediksi berbasis web untuk memperkirakan jumlah siswa baru menggunakan algoritma Extreme Gradient Boosting (XGBoost). Data yang digunakan merupakan data historis QSC dari Januari 2021 hingga April 2025. Sistem dikembangkan dengan Python untuk back-end, HTML untuk front-end, dan MySQL sebagai basis data, sedangkan analisis dan perancangan sistem dilakukan menggunakan Unified Modeling Language (UML). Hasil penelitian menunjukkan bahwa model XGBoost dengan konfigurasi terbaik (n_estimators = 100, max_depth = 3) menghasilkan Koefisien Determinasi (R2) sebesar 0,9779, Root Mean Squared Error (RMSE) sebesar 6,83 dan Mean Absolute Error (MAE) sebesar 5,96. Sistem berbasis web ini memudahkan pemilik QSC memantau tren historis, melakukan forecasting, dan mendukung pengambilan keputusan berbasis data untuk strategi pengelolaan yang lebih optimal.]]>
Copyrights © 2025
