Tangerang Selatan, 9 Juni 2024 – Tim peneliti dari Universitas Pamulang telah melakukan studi inovatif berjudul “Mengoptimalkan Prediksi Kinerja Siswa Menggunakan Teknik Seleksi Maju Dan Pengklasifikasi Naif Bayes Untuk Pemilihan Fitur Terbaik”. Penelitian ini dilakukan secara random kepada rekan siswa SMA (Sekolah Menengah Atas), bertujuan meningkatkan akurasi prediksi kinerja akademik siswa menggunakan metode machine learning.
Poin-poin utama penelitian:
- Mengkombinasikan Teknik Seleksi Maju (Forward Selection) dengan algoritma Naive Bayes untuk prediksi kinerja siswa yang lebih akurat.
- Menggunakan dataset yang mencakup berbagai atribut siswa, termasuk nilai ujian, kehadiran, partisipasi kelas, dan faktor demografis.
- Berhasil mengidentifikasi fitur-fitur kunci yang paling berpengaruh terhadap kinerja akademik: nilai matematika, kehadiran, dan partisipasi kelas.
- Mencapai tingkat akurasi 85%, presisi 83%, recall 84%, dan F1-score 83% dalam prediksi kinerja siswa.
- Memberikan wawasan berharga bagi institusi pendidikan untuk meningkatkan strategi pengajaran dan dukungan siswa.
Vinawanda Khodijah, Siti Fadilah Sari, dan Aprilio Ardianto, sebagai peneliti, menyatakan “Penelitian kami menunjukkan bahwa dengan memilih fitur yang tepat, kita dapat meningkatkan akurasi prediksi kinerja siswa secara signifikan. Ini membuka peluang bagi sekolah untuk mengidentifikasi dan mendukung siswa yang membutuhkan bantuan lebih awal.”
Studi ini menekankan pentingnya pendekatan berbasis data dalam pendidikan dan potensi teknologi machine learning untuk meningkatkan hasil belajar siswa.
Untuk informasi lebih lanjut, silakan hubungi:
Vinawanda Khodijah
Anggota Peneliti
Email: vinawandakhodijah@admin2
Universitas Pamulang, Tangerang Selatan