<![CDATA[Penelitian ini bertujuan untuk membangun dan mengevaluasi model regresi linier berganda dalam memprediksi Performance Index berdasarkan lima variabel independen, yaitu Study Hours, Extra Participation, Papers Practiced, Previous Marks, dan Sleeping Hours. Data yang digunakan bersumber dari Kaggle dan terdiri dari 1500 observasi yang telah melalui tahap preprocessing sehingga seluruh data bersih dan siap digunakan dalam analisis. Pengujian asumsi klasik yang mencakup uji linearitas, normalitas residual, multikolinearitas, heteroskedastisitas, dan autokorelasi menunjukkan bahwa seluruh asumsi terpenuhi. Berdasarkan hasil penelitian diperoleh nilai R-squared sebesar 0.9888, yang berarti 98.88% variasi pada variabel dependen dapat dijelaskan oleh kelima variabel independen, dengan Previous Marks sebagai variabel independen paling dominan. Seluruh variabel independen berpengaruh signifikan secara parsial maupun simultan terhadap variabel dependen. Evaluasi performa model menghasilkan nilai MAE sebesar 1.6081, MSE sebesar 4.1007, dan RMSE sebesar 2.0250. Validasi model menggunakan 10-fold cross-validation menghasilkan nilai metrik yang sangat mendekati hasil evaluasi awal, membuktikan bahwa model bersifat stabil dan tidak mengalami overfitting. Kebaruan penelitian ini terletak pada penerapan 10-fold cross-validation secara eksplisit dengan pelaporan metrik per fold serta perbandingan kuantitatif antara hasil evaluasi awal dan hasil cross-validation sebagai bukti ketiadaan overfitting.]]>
Copyrights © 2026
