<![CDATA[Prediksi terhadap performa akademik siswa menjadi aspek krusial dalam upaya peningkatan mutu pendidikan, khususnya di lingkungan pembelajaran daring yang sangat bergantung pada data digital aktivitas belajar. Penelitian ini bertujuan untuk membangun dan menguji model prediksi performa akademik siswa berdasarkan data aktivitas pembelajaran dengan pendekatan time series ARIMA. Dataset yang digunakan dari platform Kaggle, terdiri dari 10.000 catatan perilaku belajar siswa yang telah. Setelah dilakukan uji stasioneritas menggunakan Augmented Dickey-Fuller Test serta analisis ACF dan PACF, model ARIMA(1,1,1) dipilih sebagai konfigurasi yang paling tepat. Pelatihan model menunjukkan bahwa parameter AR(1) dan MA(1) memiliki signifikansi statistik. Evaluasi performa model menggunakan metrik MAE, MSE, dan RMSE menghasilkan nilai masing-masing sebesar 20.317, 826.011, dan 28.740. Selain itu, model lolos uji diagnostik Ljung-Box dan tidak menunjukkan indikasi heteroskedastisitas, yang berarti model mampu menggambarkan data historis dengan baik. Prediksi untuk lima minggu ke depan menunjukkan tren yang stabil, sehingga model ini memiliki potensi untuk sistem peringatan dini guna mengidentifikasi penurunan performa siswa secara lebih dini.]]>
Copyrights © 2025
