<![CDATA[Peningkatan pesat jumlah pelamar jalur masuk asrama (asrama) di SMAN 1 Padang Panjang setiap tahunnya telah meningkatkan persaingan, sementara panitia seleksi masih sangat bergantung pada penilaian subjektif dalam mempertimbangkan berbagai kriteria seperti nilai rapor, nilai mata pelajaran inti, prestasi, dan hasil tes akademik. Studi ini bertujuan untuk menganalisis kinerja algoritma Decision Tree C4.5, yang diimplementasikan melalui RapidMiner, dalam membangun dan mengevaluasi model prediktif untuk hasil penerimaan jalur asrama. Desain penelitian terapan kuantitatif yang mengikuti kerangka Knowledge Discovery in Databases (KDD) digunakan, dengan menggunakan data penerimaan historis selama tiga tahun (2022/2023-2024/2025) yang terdiri dari 2.481 kandidat dengan atribut termasuk nilai tes akademik, rata-rata rapor, nilai mata pelajaran inti, dan prestasi akademik/non-akademik. Dataset dibagi menjadi 70% data pelatihan dan 30% data pengujian dan divalidasi menggunakan validasi silang 10-fold. Pohon keputusan yang dihasilkan menempatkan nilai tes akademik sebagai simpul akar, konsisten dengan bobot 85% yang diberikan sekolah untuk komponen tersebut, diikuti oleh rata-rata rapor sebagai atribut tingkat kedua. Model ini mencapai akurasi 98,63%, presisi 96,57%, recall 93,89%, skor F1 95,21%, dan AUC 0,870 (kategori baik). Temuan ini menunjukkan bahwa algoritma C4.5 dapat mendukung proses penerimaan jalur asrama yang lebih objektif, transparan, dan akuntabel di sekolah tersebut.]]>
Copyrights © 2026
