DETEKSI DINI SISWA BERMASALAH MENGGUNAKAN METODE RANDOM FOREST DI SMK MUHAMMDIYAH 3 BANJARMASIN

Bilah Samping Artikel

pdf (English)
Diterbitkan: Mei 30, 2023
DOI: https://doi.org/10.31961/positif.v9i1.1820
Kata Kunci:
Data mining random forest perilaku anak prediksi confusion matriks

Isi Artikel Utama

Frista Rizky Rinandi
Informatika/STIMIK LIKMI Bandung
Hery Heryanto
Informatika / Institut Teknologi Harapan Bangsa Bandung
Koes Wiyatmoko
Teknik Informatika/Politeknik Negeri Banjarmasin

Abstrak

Pendidikan adalah modal dasar bagi negara dalam membangun sumberdaya manusia kearah yang produktif dan berkualitas. Untuk menghasilan pendidikan dengan kualitas yang baik juga dipengaruhi oleh perilaku anak selama dalam masa sekolah. Beberapa variable yang mempengaruhi perilaku anak  diantaranya adalah keluarga lingkungan bermain dan tingkat ekonomi. Dari beberapa variabel tersebut Metode Random Forest  dapat digunakan untuk memprediksi tingkat keberhasilan anak dengan mengolah data berdasarkan variabel-variabel yang telah ditentukan. Untuk menghasilkan sebuah prediksi yang tingkat akurasinya tinggi maka juga diperlukan metode yaitu Confusion Matrik, untuk memproses variabel-variabel yang merupakan input maka dibuat  aplikasi berbasis online menggunakan Phyton yang menghasilkan  output langsung menghasilan prediksi  “ Bermasalah “ atau “Tidak Bermasalah”.

Unduhan

Data unduhan belum tersedia.

Rincian Artikel

Terbitan
Vol 9 No 1 (2023): Positif : Jurnal Sistem dan Teknologi Informasi
Bagian
Articles
Creative Commons License

Artikel ini berlisensi Creative Commons Attribution 4.0 International License.

Penulis yang menerbitkan dengan Positif : Jurnal Sistem dan Teknologi Informasi menyetujui persyaratan berikut:

  • Penulis memegang hak cipta dan memberikan jurnal hak publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Lisensi Atribusi Creative Commons yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepenulisan karya dan publikasi awal dalam jurnal ini.
  • Penulis dapat masuk ke dalam pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan publikasi awalnya di jurnal ini.
  • Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, di repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif, serta kutipan lebih awal dan lebih besar dari karya yang diterbitkan.

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

Referensi

[1] Nikmah Rahmawati, “KENAKALAN REMAJA DAN KEDISIPLINAN: Perspektif Psikologi dan Islam,” vol. 11, no. April, pp. 267–288, 2016.

[2] M. R. N., Nindya P., “Hubungan antara Kekerasan Emosional Pada Anak terhadap Kecenderungan Kenakalan Remaja,” Jurnal Psikologi Klinis dan Kesehatan Mental, vol. 1, no. 02, pp. 1–9, 2012, [Online]. Available: http://journal.unair.ac.id/filerPDF/110810221_ringkasan(1)_FIX_PKM.pdf

[3] I. M. Budi Adnyana, “Prediksi Lama Studi Mahasiswa Dengan Metode Random Forest (Studi Kasus: Stikom Bali),” CSRID (Computer Science Research and Its Development Journal), vol. 8, no. 3, pp. 201–208, 2016, doi: 10.22303/csrid.8.3.2016.201-208.

[4] A. Primajaya and B. N. Sari, “Random Forest Algorithm for Prediction of Precipitation,” Indonesian Journal of Artificial Intelligence and Data Mining, vol. 1, no. 1, p. 27, 2018, doi: 10.24014/ijaidm.v1i1.4903.

[5] Y. S. Nugroho, “Sistem Klasifikasi Variabel Tingkat Penerimaan Konsumen Terhadap Mobil Menggunakan Metode Random Forest,” Jurnal Teknik Elektro, vol. 9, no. 1, pp. 24–29, 2017, doi: 10.15294/jte.v9i1.10452.

[6] N. K. Dewi, U. D. Syafitri, S. Y. Mulyadi, M. D. Statistika, and D. Statistika, “Penerapan Metode Random Forest Dalam Driver Analysis,” Forum Statistika Dan Komputasi, vol. 16, no. 1, pp. 35–43, 2011.

[7] T. M. Kadarina and M. H. Ibnu Fajar, “Pengenalan Bahasa Pemrograman Python Menggunakan Aplikasi Games Untuk Siswa/I Di Wilayah Kembangan Utara,” Jurnal Abdi Masyarakat (JAM), vol. 5, no. 1, p. 11, 2019, doi: 10.22441/jam.2019.v5.i1.003.

[8] R. T. Handayanto and H. Herlawati, “Prediksi Kelas Jamak dengan Deep Learning Berbasis Graphics Processing Units,” Jurnal Kajian Ilmiah, vol. 20, no. 1, pp. 67–76, 2020, doi: 10.31599/jki.v20i1.71.

[9] A.- Arini, L. K. Wardhani, and D.- Octaviano, “Perbandingan Seleksi Fitur Term Frequency & Tri-Gram Character Menggunakan Algoritma Naïve Bayes Classifier (Nbc) Pada Tweet Hashtag #2019gantipresiden,” Kilat, vol. 9, no. 1, pp. 103–114, 2020, doi: 10.33322/kilat.v9i1.878.