Prediksi Nilai Ujian Berdasarkan Kebiasaan Siswa Menggunakan Algoritma Random Forest Regressor
Abstract
Perkembangan teknologi data memungkinkan penerapan pembelajaran mesin (machine learning) untuk memahami dan memprediksi performa akademik siswa secara lebih akurat dan komprehensif. Penelitian ini bertujuan untuk menganalisis pengaruh kebiasaan belajar dan faktor-faktor gaya hidup terhadap nilai ujian siswa menggunakan model pembelajaran mesin terawasi (supervised regression), khususnya algoritma Random Forest Regression. Dataset yang digunakan terdiri dari 1.000 data simulasi siswa yang mencakup variabel seperti jam belajar, durasi tidur, penggunaan media sosial, tingkat kesehatan mental, dan kehadiran kelas. Penelitian dilakukan melalui tahapan data preprocessing, pembangunan model, evaluasi performa menggunakan metrik R², MAE, dan RMSE, serta analisis feature importance untuk menentukan variabel yang paling berpengaruh terhadap capaian akademik. Hasil penelitian menunjukkan bahwa algoritma Random Forest Regression menghasilkan performa terbaik dengan nilai R² sebesar 0.874, MAE sebesar 4.12, dan RMSE sebesar 5.01, dibandingkan model Linear Regression dan Decision Tree Regression. Variabel jam belajar per hari dan kesehatan mental ditemukan sebagai faktor paling dominan dalam memengaruhi nilai ujian siswa. Temuan ini menunjukkan bahwa pendekatan pembelajaran mesin dapat digunakan untuk mengembangkan sistem prediksi dini (early warning system) dalam pendidikan berbasis data, serta mendukung strategi pembelajaran yang adaptif dan berorientasi pada kesejahteraan siswa.References
[2] E. I. Fitriyah and E. Masnawati, “Pengaruh Kesehatan Mental, Kebiasaan Belajar dan Motivasi Berprestasi Terhadap Prestasi Belajar Siswa MTsN 4 Kota Surabaya,” J. Kependidikan, vol. 18, no. 2, pp. 88–97, 2024, [Online]. Available: https://ejournal.uinsaizu.ac.id/index.php/jurnalkependidikan/article/view/11026.
[3] D. A. Bujuri, M. Sari, and T. Handayani, “Penggunaan Media Sosial dalam Pembelajaran: Analisis Dampak Penggunaan Media Tiktok terhadap Motivasi Belajar Siswa di Sekolah Dasar,” J. Ilm. Pendas, vol. 8, no. 3, pp. 233–244, 2023, [Online]. Available: https://jurnal.unissula.ac.id/index.php/pendas/article/view/30508.
[4] I. R. H. Mustafa, M. A. Iswadi, and F. Yamin, “Dampak Penggunaan Media Sosial terhadap Perilaku Belajar dan Kesehatan Mental Siswa SD Inpres 1 Halmahera Utara,” J. Pendidik. dan Kebud., vol. 9, no. 2, pp. 55–66, 2025, [Online]. Available: https://jurnal.isdikkieraha.ac.id/index.php/jupek/article/view/780.
[5] S. N. Khusniatin, “Persepsi Siswa Terhadap Pengaruh Kesehatan Mental pada Motivasi Belajar,” Couns. J. Bimbing. Konseling dan Psikol. Pendidik., vol. 5, no. 1, pp. 12–22, 2025, [Online]. Available: https://counselia.faiunwir.ac.id/index.php/cs/article/view/321.
[6] N. Nuriyah and A. Nurlela, “Pengaruh Media Sosial terhadap Perilaku dan Prestasi Belajar Remaja SMP N 12 Kota Serang,” J. Masy. Digit., vol. 2, no. 1, pp. 77–89, 2025, [Online]. Available: https://naluriedukasi.com/index.php/jmasyarakatdigital/article/view/156.
[7] B. Alim, A. S. Alimsyah, and A. M. Taslim, “Pengaruh Lingkungan Belajar Digital terhadap Kesehatan Mental Peserta Didik,” J. Citra Pendidik., vol. 8, no. 2, pp. 98–109, 2025, [Online]. Available: https://jurnal.citrabakti.ac.id/index.php/jcp/article/view/5395.
[8] M. Iskandar, I. Rahayu, and N. Diyana, “Pengaruh Kesehatan Mental pada Perilaku Remaja di Era VUCA,” in Conference on Psychology and Behavioral Studies, 2023, pp. 120–130, [Online]. Available: https://proceedings.dokicti.org/index.php/CPBS/article/view/38.
[9] J. Kuswanto and L. Hakim, “Penerapan Algoritma Random Forest untuk Memprediksi Performa Akademik Mahasiswa,” Decod. J. Pendidik., vol. 5, no. 1, pp. 23–34, 2025, [Online]. Available: https://journal.umkendari.ac.id/decode/article/view/1103.
[10] R. Rismaya, D. Yuniarto, and D. Setiadi, “Penerapan Algoritma Machine Learning dalam Prediksi Prestasi Akademik Mahasiswa,” Router J. Tek. Inform. dan Komput., vol. 7, no. 2, pp. 78–89, 2025, [Online]. Available: https://journal.aptii.or.id/index.php/Router/article/view/389.
[11] S. A. Putri and R. Rachmatika, “Penerapan Algoritma Random Forest dan SMOTE untuk Prediksi Risiko Putus Sekolah Siswa SMK,” Decod. J. Pendidik., vol. 6, no. 1, pp. 56–67, 2025, [Online]. Available: https://journal.umkendari.ac.id/decode/article/view/1360.
[12] A. Fatunnisa and H. Marcos, “Prediksi Kelulusan Tepat Waktu Siswa SMK Teknik Komputer Menggunakan Algoritma Random Forest,” J. Manaj. Inform., vol. 12, no. 2, pp. 90–101, 2024, [Online]. Available: https://ojs.unikom.ac.id/index.php/jamika/article/view/12114.
[13] Y. N. Sukmaningtyas and R. M. Akbar, “Penerapan Predictive Analytics untuk Analisis Faktor-faktor yang Mempengaruhi Performa Akademik Siswa,” Arcitech J. Arch. Inf. Technol. Comput. Sci., vol. 3, no. 1, pp. 65–78, 2024, [Online]. Available: https://journal.iaincurup.ac.id/index.php/arcitech/article/view/12048.
[14] S. Apandi, “Pemodelan Klasifikasi Siswa Berprestasi dengan Random Forest: Studi Kasus pada Bimbingan Belajar,” Fakt. Exacta, vol. 14, no. 2, pp. 112–123, 2025, [Online]. Available: https://journal.lppmunindra.ac.id/index.php/Faktor_Exacta/article/view/27163.
[15] H. Pratiwi and M. I. Sa’ad, “Strategi Manajemen Pendidikan Berbasis Machine Learning untuk Prediksi Prestasi Siswa,” BEduManagers J., vol. 9, no. 2, pp. 102–115, 2025, [Online]. Available: https://jurnal.fkip.unmul.ac.id/index.php/bedu/article/view/5016.
[16] H. Andrianof, A. P. Gusman, and O. A. Putra, “Implementasi Algoritma Random Forest untuk Prediksi Kelulusan Mahasiswa Berdasarkan Data Akademik,” J. Sains Inform. dan Teknol., vol. 8, no. 1, pp. 45–55, 2025, [Online]. Available: https://rcf-indonesia.org/jurnal/index.php/jsit/article/view/464.
[17] S. Fitriani, E. Budiman, M. Fadli, and M. Surono, “Optimalisasi Metode Random Forest Menggunakan Particle Swarm Optimization dalam Prediksi Prestasi Mahasiswa,” in Prosiding Prosainteks: Seminar Nasional Komputer dan Sains, 2025, pp. 89–97, [Online]. Available: https://seminars.id/prosiding/prosainteks/article/view/259.
[18] A. L. Puspanagara, “Penerapan Explainable AI untuk Prediksi Performa Akademik Mahasiswa Menggunakan Random Forest dan SHAP.” 2025, [Online]. Available: https://www.researchgate.net/publication/391810608.
[19] M. Z. Amirudin and K. Kusrini, “Perbandingan SVM dan Random Forest dalam Memprediksi Kelulusan Santri Menuju Timur Tengah,” JIIP J. Ilm. Ilmu Pendidik., vol. 8, no. 2, pp. 102–113, 2025, [Online]. Available: https://jiip.stkipyapisdompu.ac.id/jiip/index.php/JIIP/article/view/9295.
[20] R. A. Saputri and A. Asrianda, “A Random Forest-Based Predictive Model for Student Academic Performance: A Case Study in Indonesian Public High Schools,” J. Appl. Informatics Comput., vol. 9, no. 1, pp. 34–45, 2025, [Online]. Available: https://jurnal.polibatam.ac.id/index.php/JAIC/article/view/9460.
[21] P. M. Asahri and S. Sartono, “Analisis Kesehatan Mental Pelajar di Era Pembelajaran Digital,” Morfol. J. Ilmu Pendidik., vol. 7, no. 1, pp. 55–65, 2025, [Online]. Available: https://journal.aspirasi.or.id/index.php/morfologi/article/view/1704.
[22] R. A. Sastra, K. Sabri, B. Yanto, F. Asmen, and I. Inal, “Analisis Pengaruh Gaya Hidup Mahasiswa terhadap Indeks Prestasi Kumulatif (IPK) Menggunakan Model Regresi,” Kernel J. Ris. Inov. Teknol. Inf., vol. 5, no. 2, pp. 44–57, 2023, [Online]. Available: https://ejournal.itats.ac.id/kernel/article/view/7384.
[23] M. Widyanti, “Analisis Prediksi Tingkat Depresi pada Siswa dengan Pendekatan Regresi Linier,” J. Artif. Intell. Appl., vol. 2, no. 1, pp. 25–34, 2024, [Online]. Available: https://jurnal.mutiaraamaliyah.com/index.php/jaia/article/view/4.
[24] M. Rahma, M. Fikry, and Y. Afrillia, “Prediksi Kesehatan Mental Remaja Berdasarkan Faktor Lingkungan Sekolah Menggunakan Machine Learning,” J. Inform. Poltekharber, vol. 6, no. 1, pp. 45–58, 2025, [Online]. Available: http://ejournal.poltekharber.ac.id/index.php/informatika/article/view/8556.
[25] F. Tupamahu, I. I. Duko, and Y. Rahman, “Prediksi Perilaku Agresif Anak Berbasis Machine Learning,” J. Inform. Polinema, vol. 8, no. 2, pp. 33–44, 2024, [Online]. Available: http://jurnal.polinema.ac.id/index.php/jip/article/view/6475.
[26] A. W. Andika and L. Nurhakim, “Penggunaan Deep Learning untuk Memprediksi Kinerja Akademik dan Memberi Dukungan yang Tepat bagi Siswa,” SIBATIK J. Comput. Sci. Educ., vol. 4, no. 2, pp. 120–131, 2025, [Online]. Available: https://www.publish.ojs-indonesia.com/index.php/SIBATIK/article/view/3152.
[27] N. Arriza, A. R. Fauziah, and F. Mubayyina, “Kesehatan Mental dan Prestasi Akademik Mahasiswa pada Pembelajaran Daring,” J. Inov. Kesehat. Indones., vol. 4, no. 3, pp. 87–98, 2025.
[28] A. Rochman and A. A. Suryanto, “Multi-objective Optimization Analysis of Student Achievement with NSGA-II Algorithm,” J. Ilm. Teknol. Inf. dan Komun., vol. 9, no. 2, pp. 112–123, 2025, [Online]. Available: https://jurnal.asia.ac.id/index.php/jitika/article/view/1201.
[29] M. Irwan, M. Saepudin, W. Hadinata, and N. D. Puspitasari, “Prediction of the Impact of Bullying on Students’ Academic Achievement Using Linear Regression,” Bit-Tech J. Appl. Comput., vol. 8, no. 1, pp. 44–52, 2025, [Online]. Available: https://jurnal.kdi.or.id/index.php/bt/article/view/2745.
[30] M. Arifin, S. Kom, and M. Widowati, “Data Mining untuk Meningkatkan Performa Akademik Mahasiswa: Studi Kasus dan Implikasinya,” 2024, [Online]. Available: https://adsii.or.id/wp-content/uploads/2024/10/Data-Mining-untuk-Meningkatkan-Performa-Akademik-Mahasiswa-Studi-Kasus-dan-Implikasinya.pdf.
[31] M. Maulidah and N. Hidayati, “Prediksi Kesehatan Tidur dan Gaya Hidup Menggunakan Machine Learning,” CONTEN Comput. Netw. Technol. J., vol. 12, no. 1, pp. 44–56, 2024, [Online]. Available: http://jurnal.bsi.ac.id/index.php/conten/article/view/4918.
[32] S. S. A. Larasati, E. N. K. Dewi, and B. H. Farhansyah, “Penerapan Decision Tree dan Random Forest dalam Deteksi Tingkat Stres Manusia Berdasarkan Kondisi Tidur,” J. Teknol. Inf. dan Ilmu Komput., vol. 11, no. 2, pp. 220–230, 2024, [Online]. Available: https://jtiik.ub.ac.id/index.php/jtiik/article/view/7993.
[33] A. M. Dawis, H. A. Irmawati, N. Nur, and S. A. R. Sulfayanti, “Data Mining dan Manajemen Pengetahuan.” 2025, [Online]. Available: https://www.researchgate.net/publication/388498331_Data_Mining_dan_Manajemen_Pengetahuan.
[34] S. A. A. Kharis and A. H. A. Zili, “Learning Analytics dan Educational Data Mining pada Data Pendidikan,” J. Ris. Pembelajaran Mat. Sekol., vol. 7, no. 2, pp. 103–115, 2022, [Online]. Available: https://journal.unj.ac.id/unj/index.php/jrpms/article/view/26575.
[35] S. A. A. Kharis, “Prediksi Kelulusan Siswa pada Mata Pelajaran Matematika Menggunakan Educational Data Mining,” J. Ris. Pembelajaran Mat. Sekol., vol. 8, no. 1, pp. 45–57, 2023, [Online]. Available: https://journal.unj.ac.id/unj/index.php/jrpms/article/view/28672.
[36] S. A. A. Kharis and A. H. A. Zili, “Tantangan dan Peluang Educational Data Mining dan Learning Analytics pada Pendidikan Jarak Jauh di Indonesia,” 2024, [Online]. Available: https://conference.ut.ac.id/index.php/saintek/article/view/2536.
[37] J. Jamaluddin and Y. Yonhendri, “Prediksi Keberhasilan Adopsi Rapor Digital Madrasah Pendekatan Terpisah Menggunakan Algoritma Naive Bayes dan Decision Tree,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 11, no. 2, pp. 102–116, 2025, [Online]. Available: https://jurnal.mdp.ac.id/index.php/jatisi/article/view/11635.






