Melola Discovery

← Melola Discovery

Open access Journal SINTA 2

Penerapan Algoritma Random Forest untuk memprediksi Performa Akademik Mahasiswa

Decode: Jurnal Pendidikan Teknologi Informasi · Vol. 5 No. 1 (2025) · pp. 262–270

DOI
10.51454/decode.v5i1.1103
ISSN
2775-1813, 2775-2984
Published
2025-03-31
Publisher
Universitas Muhammadiyah Kendari
License
creativecommons.org/licenses/by-sa/4.0/

Abstract

Perkembangan teknologi yang pesat, khususnya di bidang pendidikan, membuka peluang untuk meningkatkan kualitas pembelajaran dan hasil akademik. Machine Learning, sebagai salah satu teknologi kecerdasan buatan, memiliki kemampuan untuk membuat prediksi berbasis pola data. Penelitian ini bertujuan untuk menerapkan algoritma Random Forest dalam memprediksi performa akademik mahasiswa Program Studi Informatika Universitas Baturaja. Data yang digunakan mencakup variabel akademik (nilai mata kuliah semester 1 dan 2) dan demografis (jenis kelamin, kelas, angkatan), dengan target prediksi berupa Indeks Prestasi (IP) semester 3. Penelitian dilakukan menggunakan metode kuantitatif dengan alat Google Colab dan teknik regresi. Evaluasi model dilakukan menggunakan Mean Absolute Error (MAE), Mean Squared Error (MSE), dan R-squared (R²). Hasil penelitian menunjukkan bahwa model Random Forest menghasilkan MAE sebesar 0.27, MSE sebesar 0.2387, dan R² sebesar 0.3128, yang menunjukkan akurasi prediksi yang memadai namun dapat ditingkatkan lebih lanjut. Penelitian ini memberikan kontribusi pada pengembangan strategi pembelajaran berbasis data untuk meningkatkan kualitas pendidikan di Program Studi Informatika Universitas Baturaja.

Collaboration network of the authors

16 authors · 30 co-authorship links · 13 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Universitas Islam Negeri Ar-Raniry
  • UIN Syekh Wasil Kediri
  • Universitas Islam Negeri Sjech M. Djamil Djambek Bukittinggi
  • National Taiwan Ocean University
  • National University of Malaysia
  • Universitas Islam Tribakti Lirboyo Kediri
  • Sunan Kalijaga State Islamic University Yogyakarta
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Jum DapioktaAffiliation unknown2
Edi SutionoAffiliation unknown2
Ahmad AhmadNational Taiwan Ocean University2
Rahmad Tri HadiUniversitas Islam Negeri Sjech M. Djamil Djambek Bukittinggi2
Johan Eka WijayaAffiliation unknown1
Ade VidiantiAffiliation unknown1
Riya MajalistaAffiliation unknown1
Yosita WalusfaAffiliation unknown1
Irhamsyah IrhamsyahUniversitas Islam Negeri Ar-Raniry1
Mohd Nasir OmarNational University of Malaysia1
Wahidul AnamUIN Syekh Wasil Kediri1
Mubaidi SulaemanUniversitas Islam Tribakti Lirboyo Kediri1
Putra AfriadiSunan Kalijaga State Islamic University Yogyakarta1
Andi Ardiyan MustakimUIN Syekh Wasil Kediri1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

This record comes from Crossref (what the publisher deposited), because the journal's own OAI-PMH endpoint could not be harvested.

Metadata source: Crossref API (cadangan, berdasarkan ISSN) https://api.crossref.org/journals/2775-1813/works, first harvested 26 Oct 2026, last seen 15 Nov 2026.
Metadata as oai_dc, converted from Crossref
<oai_dc:dc xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/"><dc:title>Penerapan Algoritma Random Forest untuk memprediksi Performa Akademik Mahasiswa</dc:title><dc:creator>Kuswanto, Joko</dc:creator><dc:creator>Hakim, Lukmanul</dc:creator><dc:description>&lt;jats:p&gt;Perkembangan teknologi yang pesat, khususnya di bidang pendidikan, membuka peluang untuk meningkatkan kualitas pembelajaran dan hasil akademik. Machine Learning, sebagai salah satu teknologi kecerdasan buatan, memiliki kemampuan untuk membuat prediksi berbasis pola data. Penelitian ini bertujuan untuk menerapkan algoritma Random Forest dalam memprediksi performa akademik mahasiswa Program Studi Informatika Universitas Baturaja. Data yang digunakan mencakup variabel akademik (nilai mata kuliah semester 1 dan 2) dan demografis (jenis kelamin, kelas, angkatan), dengan target prediksi berupa Indeks Prestasi (IP) semester 3. Penelitian dilakukan menggunakan metode kuantitatif dengan alat Google Colab dan teknik regresi. Evaluasi model dilakukan menggunakan Mean Absolute Error (MAE), Mean Squared Error (MSE), dan R-squared (R²). Hasil penelitian menunjukkan bahwa model Random Forest menghasilkan MAE sebesar 0.27, MSE sebesar 0.2387, dan R² sebesar 0.3128, yang menunjukkan akurasi prediksi yang memadai namun dapat ditingkatkan lebih lanjut. Penelitian ini memberikan kontribusi pada pengembangan strategi pembelajaran berbasis data untuk meningkatkan kualitas pendidikan di Program Studi Informatika Universitas Baturaja.&lt;/jats:p&gt;</dc:description><dc:publisher>Universitas Muhammadiyah Kendari</dc:publisher><dc:date>2025-03-31</dc:date><dc:type>info:eu-repo/semantics/article</dc:type><dc:format>application/pdf</dc:format><dc:identifier>https://doi.org/10.51454/decode.v5i1.1103</dc:identifier><dc:identifier>10.51454/decode.v5i1.1103</dc:identifier><dc:source>Decode: Jurnal Pendidikan Teknologi Informasi; Vol 5 No 1 (2025); 262-270</dc:source><dc:source>2775-1813</dc:source><dc:source>2775-2984</dc:source><dc:relation>https://journal.umkendari.ac.id/decode/article/download/1103/534</dc:relation><dc:rights>https://creativecommons.org/licenses/by-sa/4.0/</dc:rights></oai_dc:dc>