ANALISA TINGKAT KEHADIRAN SISWA MENGGUNAKAN ALGORITMA DECISION TREE UNTUK MENDETEKSI POLA DAN RISIKO DROP OUT DI SMK SWASTA TUNAS BANGSA
Keywords:
Kehadiran, Drop Out, Decision Tree C4.5, Data Mining, GUIAbstract
Tingkat kehadiran siswa merupakan salah satu indikator penting dalam menentukan keberhasilan akademik dan risiko putus sekolah (drop out). Penelitian ini bertujuan untuk menganalisis pola kehadiran siswa serta mengidentifikasi siswa yang berisiko drop out dengan menggunakan algoritma Decision Tree C4.5. Data yang digunakan berasal dari 225 siswa SMK Swasta Tunas Bangsa dengan variabel prediktor berupa kehadiran, nilai akademik, dan nilai sikap, serta label target berupa status drop out (Ya/Tidak). Metode penelitian meliputi tahap pengumpulan data, praproses, pembangunan model pohon keputusan, validasi model dengan teknik k-fold cross validation, serta evaluasi kinerja model menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa atribut Kehadiran menjadi simpul akar (root node) utama pada pohon keputusan, yang kemudian bercabang pada variabel Nilai Akademik dan Nilai Sikap. Model yang dihasilkan mampu mencapai akurasi rata-rata sebesar 85,33%, dengan performa terbaik ditunjukkan pada kelas "Tidak Drop Out" (presisi 96,08% dan recall 90,52%). Sementara itu, pada kelas "Drop Out" recall mencapai 80%, namun presisi masih relatif rendah (60,87%) sehingga menghasilkan sejumlah false positive. Sebagai implementasi, penelitian ini juga menghasilkan aplikasi dalam bentuk Graphical User Interface (GUI) berbasis MATLAB yang mempermudah pihak sekolah dalam melakukan klasifikasi, validasi, serta menampilkan hasil evaluasi model secara langsung. Dengan demikian, algoritma C4.5 dapat digunakan sebagai sistem peringatan dini untuk membantu sekolah dalam mengidentifikasi siswa yang berisiko drop out, sehingga intervensi preventif dapat dilakukan secara lebih cepat dan tepat sasaran.
Downloads
References
Al-Dawood, A. (2020). The Impact of Manual and Automated Attendance System on Student Performance. International Journal of Modern Education and Computer Science, 12(1), 1-10.
Amna, S. W., Sudipa, I. G. I., Putra, T. A. E., Wahidin, A. J., Sukrilla, W. A., Wardhani, A. K., Heryana, N., Indriyani, T., & Santoso, L. W. (2023). Data Mining. In Mining of Massive Datasets. PT GLOBAL EKSEKUTIF TEKNOLOGI.
Anwar, S. (2025). Application of K-Means and C4.5 Algorithms for dropout risk prediction in vocational high schools. Indonesian Journal of Multidisciplinary Science, 4(5), 428–435. https://doi.org/10.55324/ijoms.v4i5.1102
Auliani, R., Siregar, S. M., Zein, A., & Siregar, R. M. (2025). Konsep Deteksi Dini Tumbuh Kembang Anak Usia Dini. 9, 1668–1673.
Barutu, S. (2024). Application Of C4.5 Algorithm In Disease Classification. Journal Of Data Science, 2(02), 58–62. https://doi.org/10.58471/jds.v2i02.5263
Billa, C., Husaini, A., Kuliah, M., Risiko, M., Studi, P., Syariah, E., Islam, U., Sulthan, N., & Saifuddin, T. (2023). Pemahaman Resiko Dan Manajemen Resiko. 1(3).
Budiningsih, R. (2025). Pengaruh Motivasi Belajar terhadap Tingkat Kehadiran dan Prestasi Siswa SMK. Jurnal Pendidikan dan Pengajaran, 14(1), 101–110.
Ermillian, A., & Nugroho, K. (2024). Perancangan Model Deteksi Potensi Siswa Putus Sekolah Menggunakan Metode Logistic Regression Dan Decision Tree. Jurnal Informatika: Jurnal Pengembangan IT, 9(3), 281–295. https://doi.org/10.30591/jpit.v9i3.8007
Fatma, Y. L., & Rochmawati, N. (2024). Prediksi Siswa Putus Sekolah Menggunakan Algoritma Decision Tree C4.5. Journal of Informatics and Computer Science (JINACS), 5(04), 486–493. https://doi.org/10.26740/jinacs.v5n04.p486-493
Han, J., Kamber, M., & Pei, J. (2022). Data Mining: Concepts and Techniques (4th ed.). Morgan Kaufmann.
Islam, U., Sumatera, N., Matematika, P., Islam, U., & Sumatera, N. (2023). Konsep Dasar Algoritma Pemrograman. 1(6).
Lestari, S., & Dina, B. (2023). Klasifikasi Ketepatan Kelulusan Siswa Pada Smk Yadika 9 Bintara Jaya Kota Bekasi Menggunakan Algoritma C4.5. Jurnal Indonesia: Manajemen Informatika Dan Komunikasi, 4(3), 1618–1632. https://doi.org/10.35870/jimik.v4i3.389
Lestari, N., & Rochmawati, I. (2024). Data Preprocessing untuk Peningkatan Kualitas Dataset dalam Proses Knowledge Discovery in Databases (KDD). Jurnal Teknologi dan Sistem Informasi, 10(3), 233–241.
Mienye, I. D., & Jere, N. (2024). A Survey of Decision Trees: Concepts, Algorithms, and Applications. IEEE Access, 12, 86716–86727. https://doi.org/10.1109/ACCESS.2024.3416838
Muhamad, M., Windarto, A. P., & Suhada, S. (2019). Penerapan Algoritma C4.5 Pada Klasifikasi Potensi Siswa Drop Out. KOMIK (Konferensi Nasional Teknologi Informasi Dan Komputer), 3(1), 753–760. https://doi.org/10.30865/komik.v3i1.1688
Ojoboh, T. M., & Igben, H. G. O. (2024). Impact of Research Methodology on Data Quality and Research Findings. JPPUMA Jurnal Ilmu Pemerintahan Dan Sosial Politik Universitas Medan Area, 12(1), 34–42. https://doi.org/10.31289/jppuma.v12i1.11793
Pratama, F. W. (2022). Tingkat Pemahaman Konsep Siswa pada Materi Pola Bilangan Berdasarkan Teori APOS Mosharafa: Jurnal Pendidikan Matematika. Mosharafa: Jurnal Pendidikan Matematika, 11, 237–246.
Purnama, D. L. S., & Apsiswanto, U. (2025). Analysis of C4.5 Algorithm Performance for Predicting Student Achievement Based on Socio-Economic Status, Motivation, Discipline, and Past Achievement. Journal of Computer Networks, Architecture and High Performance Computing, 7(1), 190–199. https://doi.org/10.47709/cnahpc.v7i1.5143
Quinlan, J. R. (1993). C4.5: Programs for Machine Learning. Morgan Kaufmann.
Rosnani, S. (2023). Pengaruh Kehadiran Dosen dan Proses Pembelajaran Terhadap Prestasi Akademik Mahasiswa. Makalah Ilmiah.
Rumberger, R. W., & Lim, S. A. (2009). Why students drop out of school. Journal of Education for Students Placed at Risk, 14(4), 519-540.
Saparwadi, L. (2023). Peningkatan Prestasi Belajar Siswa Melalui Pendekatan Kontekstual. Jurnal Pendidikan Dasar FONDASI, 2(1), 22-29.
Schröer, C., Kruse, F., & Gómez, J. M. (2021). A systematic literature review on applying CRISP-DM process model. Procedia Computer Science, 181(2019), 526–534. https://doi.org/10.1016/j.procs.2021.01.199
Sosu, E. M., Shapira, M., & Priestley, M. (2021). Patterns of School Attendance and Impact on Student Outcomes: A Longitudinal Study. Journal of Educational Research, 114(5), 589–604. https://doi.org/10.1080/00220671.2021.1877372
Suhendar, B. (2021). Analisa Sistem Informasi Manajemen Berbasis Komputer Dalam Proses Sistem Pengambilan Keputusan (Spk). Jurnal Ilmiah Sistem Informasi, 1(1), 46–56. https://doi.org/10.46306/sm.v1i1.7
Surip, A., Pratama, M. A., Ali, I., Dikananda, A. R., & Purnamasari, A. I. (2021). Penerapan Machine Learning menggunakan algoritma C4.5 berbasis PSO dalam Menganalisa Data Siswa Putus Sekolah. INFORMATICS FOR EDUCATORS AND PROFESSIONAL: Journal of Informatics, 5(2), 147. https://doi.org/10.51211/itbi.v5i2.1530
Susilawati, A., Al Obaidi, A. S. M., Abduh, A., Irwansyah, F. S., & Nandiyanto, A. B. D. (2025). How to do research methodology: From Literature Review, Bibliometric, Step-by-step Research Stages, to Practical Examples in Science and Engineering Education. Indonesian Journal of Science and Technology, 10(1), 1–40. https://doi.org/10.17509/ijost.v10i1.78637
Wulandari, N., & Sholihin, H. (2024). Analisis Komponen Utama Dalam Sistem Informasi Manajemen: Konsep, Fungsi, Dan Implementasi. Jurnal Ilmiah Pendidikan Dasar, 9(4), 872–890.
Zalukhu, A., Swingly, P., & Darma, D. (2023). Perangkat Lunak Aplikasi Pembelajaran Flowchart. Jurnal Teknologi, Informasi Dan Industri, 4(1), 61–70.
Zhao, L. (2021). Event Prediction in the Big Data Era: A Systematic Survey. ACM Computing Surveys, 54(5), 1–37. https://doi.org/10.1145/3450287
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Habi Haikal, Hotler Manurung, Siswan Syahputra
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
