Analisis Klasifikasi Siswa Berprestasi Pada Sekolah Menengah Atas (SMA) Negeri 14 Medan Menggunakan Metode Random

##plugins.themes.academic_pro.article.sidebar##

Published Apr 10, 2026
Download
PDF
Statistic
Vol. 10 No. 1 (2016): JUSIKOM: Jurnal Sistem Informasi Ilmu Komputer

##plugins.themes.academic_pro.article.main##

Wira Mindo Pangaribuan
a:1:{s:5:"en_US";s:27:"Universitas Prima Indonesia";}
Delima Sitanggang
Program Studi Sistem Informasi Fakultas Sains dan Teknologi Universitas Prima Indonesia

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan siswa berprestasi di SMA Negeri 14 Medan menggunakan metode Random Forest. Identifikasi siswa berprestasi yang akurat dan cepat menjadi tantangan penting di lingkungan pendidikan, terutama dengan meningkatnya volume data akademik dan non-akademik. Penelitian menggunakan data 288 siswa dengan 10 kategori penilaian meliputi nilai ujian, sikap, dan absensi. Metode Random Forest diimplementasikan dengan tahapan eksplorasi data, pembersihan dataset, penyeimbangan kelas menggunakan random oversampling, dan evaluasi model. Hasil penelitian menunjukkan bahwa model Random Forest mencapai akurasi 82,76% dengan nilai presisi 86% dan recall 90% untuk kelas siswa berprestasi. Matriks kebingungan mengonfirmasi model mampu mengidentifikasi 36 dari 40 siswa berprestasi dengan benar. Penelitian ini memberikan kontribusi dalam pemanfaatan machine learning untuk sistem identifikasi siswa berprestasi yang objektif serta mendukung pengambilan keputusan strategis di lingkungan sekolah

##plugins.themes.academic_pro.article.details##

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

How to Cite
Pangaribuan, W. M., & Sitanggang, D. (2026). Analisis Klasifikasi Siswa Berprestasi Pada Sekolah Menengah Atas (SMA) Negeri 14 Medan Menggunakan Metode Random. Jurnal Sistem Informasi Dan Ilmu Komputer, 10(1). Retrieved from https://jurnal.unprimdn.ac.id/index.php/jusikom/article/view/8133

References

  1. Bianto, M. A., Kusrini, K., & Sudarmawan, S. (2020). Perancangan Sistem Klasifikasi Penyakit Jantung Mengunakan Naïve Bayes. Creative Information Technology Journal, 6(1), 75. https://doi.org/10.24076/citec.2019v6i1.231
  2. Bilqisth, S. C., & Ikhsanuddin, R. M. (2025). Analisis Perbandingan Akurasi Klasifikasi Kepuasan Siswa Terhadap Kinerja Guru. Jurnal Teknik Elektro Dan Informatika, 20, 37–44.
  3. Hidayat, R. N., Santoso, B., & Sumirat, L. P. (2024). Sistem Pendukung Keputusan Pemilihan Siswa Berprestasi Menggunakan Metode Simple Additive Weighting dan Weighted Product. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 5(1), 379–390. https://doi.org/10.57152/malcom.v5i1.1787
  4. Ibrahim, S., & Iqbal, M. (n.d.). Analisis Metode Support Vector Machine (SVM) Dan Random Forest Terhadap Perilaku Dan Prestasi Siswa Berbasis Kurikulum Merdeka Di SMK Negeri. Jurnal Riset Sistem Informasi Dan Teknik Informatika (JURASIK), 10, 453–467. https://tunasbangsa.ac.id/ejurnal/index.php/jurasik
  5. Is, C. E., Syafitri, D., Saputri, C., Sulistianingsih, N., & Hidjah, K. (2025). Klasifikasi Gaya Belajar Siswa dengan Random Forest dan XGBoost Classification of Learning Styles of Junior High School Students Using Random Forest and XGBoost Algorithm. 7(1), 27–36. https://doi.org/10.30812/bite.v7i1.4913
  6. Klasifikasi. (n.d.). Retrieved July 22, 2025, from https://www.kaggle.com/code/idhamananta/klasifikasi
  7. Kristeni Maria, F., Chandra Saputra, A., Hendrik Timang, J., & Palangka Raya, K. (n.d.).
  8. Perbandingan Metode Profile Matching dan Grey Relational Analysis untuk Menentukan Siswa Berprestasi di SMA Negeri 4 Palangka Raya Berbasis Website. JOINTECOMS (Journal of Information Technology and Computer Science) p-ISSN: 2798-284X, 5(1), 2798–3862. https://doi.org/10.47111/jointecoms.v5i1
  9. Mrg, R. A., & Hasibuan, M. S. (2024). Best Student Classification using Ensemble Random Forest Method. Sistemasi, 13(3), 1188. https://doi.org/10.32520/stmsi.v13i3.4101
  10. Parinduri, S. K. (2025). Analisis Algoritma Fuzzy Mamdani Penentuan Siswa Berprestasi Pada Sdn 095127 Huta II Maligas Permai. Jurnal Inovasi Artificial Intelligence & Komputasional Nusantara (JIKOMNUS), 2(1).
  11. Prestasi Akademik Di SMA Negeri, J., Dengan Menggunakan Algoritma Random Forest Rasiban, J., & Praja Raymond Maruli, S. (n.d.). Penerapan Data Mining Untuk Memprediksi Penerimaan Peserta Didik Baru. INNOVATIVE: Journal Of Social Science Research, 3, 10065–10079.
  12. Rikson Maruwahal Sijabat, R., Parlindungan Simanjuntak, R., & Pardingotan Sipayung, S. (2025).
  13. Perbandingan Metode SAW dan Weighted Product dalam Pemilihan Siswa Berprestasi.
  14. Jurnal Sains Dan Teknologi, 7(1), 13–23. https://doi.org/10.55338/saintek.v7i1.1905
  15. Saputra, E. A., & Nataliani, Y. (2021). Analisis Pengelompokan Data Nilai Siswa untuk Menentukan Siswa Berprestasi Menggunakan Metode Clustering K-Means. Journal of Information Systems and Informatics, 3(3). http://journal-isi.org/index.php/isi
  16. Setyani, I. A., & Sipayung, Y. R. (2023). Sistem Pendukung Keputusan Menentukan Siswa Berprestasi dengan Metode SAW (Simple Addtive Weighting). Jurnal Sistem Komputer Dan Informatika (JSON), 4(4), 632. https://doi.org/10.30865/json.v4i4.6179
  17. Widaningsih, S., & Yusuf, S. (2022). Penerapan Data Mining Untuk Memprediksi Siswa Berprestasi Dengan Menggunakan Algoritma K Nearest Neighbor. Jurnal Teknik Informatika Dan Sistem Informasi, 9(3). http://jurnal.mdp.ac.id

Most read articles by the same author(s)