Analisis Klasifikasi Siswa Berprestasi Pada Sekolah Menengah Atas (SMA) Negeri 14 Medan Menggunakan Metode Random
Main Article Content
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
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish their manuscripts through the Journal of Information Systems and Computer Science agree to the following:
- Copyright to the manuscripts of scientific papers in this Journal is held by the author.
- The author surrenders the rights when first publishing the manuscript of his scientific work and simultaneously the author grants permission / license by referring to the Creative Commons Attribution-ShareAlike 4.0 International License to other parties to distribute his scientific work while still giving credit to the author and the Journal of Information Systems and Computer Science as the first publication medium for the work.
- Matters relating to the non-exclusivity of the distribution of the Journal that publishes the author's scientific work can be agreed separately (for example: requests to place the work in the library of an institution or publish it as a book) with the author as one of the parties to the agreement and with credit to sJournal of Information Systems and Computer Science as the first publication medium for the work in question.
- Authors can and are expected to publish their work online (e.g. in a Repository or on their Organization's/Institution's website) before and during the manuscript submission process, as such efforts can increase citation exchange earlier and with a wider scope.
References
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
Bilqisth, S. C., & Ikhsanuddin, R. M. (2025). Analisis Perbandingan Akurasi Klasifikasi Kepuasan Siswa Terhadap Kinerja Guru. Jurnal Teknik Elektro Dan Informatika, 20, 37–44.
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
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
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
Klasifikasi. (n.d.). Retrieved July 22, 2025, from https://www.kaggle.com/code/idhamananta/klasifikasi
Kristeni Maria, F., Chandra Saputra, A., Hendrik Timang, J., & Palangka Raya, K. (n.d.).
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
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
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).
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.
Rikson Maruwahal Sijabat, R., Parlindungan Simanjuntak, R., & Pardingotan Sipayung, S. (2025).
Perbandingan Metode SAW dan Weighted Product dalam Pemilihan Siswa Berprestasi.
Jurnal Sains Dan Teknologi, 7(1), 13–23. https://doi.org/10.55338/saintek.v7i1.1905
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
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
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