Prediksi Student Performance Pada Hasil Penilaian Proses Pembelajaran Online Mata Pelajaran Informatika Di SMA

Di Endemi Corona, kita tidak sekedar kembali ke pola pendidikan offline namun sudah mengarah pada edukasi 5.0. Pola pembelajaran online, normal, blended sudah menjadi hal yang biasa. Penilaian pembelajaran Online membutuhkan prediksi student performance yang cepat dan tepat (akurasi tinggi). Penyeba...

Full description

Saved in:
Bibliographic Details
Published in:J-INTECH Vol. 12; no. 1; pp. 73 - 82
Main Author: Dipa, Sasra
Format: Journal Article
Language:English
Published: LPPM STIKI Malang 03.07.2024
Subjects:
informatika
random forest
SMA
student performance
XG boosting
ISSN:2303-1425, 2580-720X
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:Di Endemi Corona, kita tidak sekedar kembali ke pola pendidikan offline namun sudah mengarah pada edukasi 5.0. Pola pembelajaran online, normal, blended sudah menjadi hal yang biasa. Penilaian pembelajaran Online membutuhkan prediksi student performance yang cepat dan tepat (akurasi tinggi). Penyebabnya adalah pertama, karena keterbatasan interaksi langsung. Kedua, pembelajaran normal biasanya ada penilaian proses belajar dan penilaian karakter untuk bisa memberikan penilaian akhir akurat itu sulit dapat dilaksanakan pada pembelajaran Online secara akurat. Ketiga, banyaknya data untuk diolah cepat dan tepat agar bisa dilaporkan kepada Institusi pendidikan dan pada keluarga peserta didik. Keempat,  Informatika adalah pelajaran yang 80 % praktek dan 20 % teori sehingga instrument penilaian yang digunakan adalah 80 % instrument unjuk kerja (taksonomi bloom : C2, C3, C4, C5) dan 20 %  instrument sejenis pilihan ganda (C1). Koreksi dan penilaian Informatika lebih membutuhkan banyak waktu karena 80 % tidak bisa dinilai secara otomatis. Penelitian ini bertujuan memprediksi student performance (Lulus (1)atau Intervensi (0)) pada hasil penilaian proses pembelajaran online mata pelajaran informatika di sma. Apabila hasil prediksi student performance menghasilkan Intervensi maka segera ditindaklanjuti dengan memberikan strategi intervensi supaya terjadi peningkatan student performance.Target hasil penelitian mencapai akurasi > 70 % terhadap dataset yang diolah. Penelitian ini menggunakan metode ensemble learning random Forest Classification dan XG Boosting classification. Hasil penelitian Prediksi Student Performance menggunakan XG Boost Classification menghasilkan akurasi lebih tinggi daripada RF Classification yang memiliki nilai akurasi rata-rata  = 93 % sedangkan RF Classification memiliki hasil akurasi rata-rata = 92 %. Tujuan penelitian sudah tercapai karena hasil 2 metode yang digunakan sudah sesuai target yang diinginkan.
ISSN:2303-1425
2580-720X
DOI:10.32664/j-intech.v12i1.1259