Pengaruh Jam Belajar dan Kehadiran terhadap Nilai Ujian Siswa Menggunakan Logistic Regression dan Decision Tree

Perkembangan teknologi data memberikan peluang dalam menganalisis faktor-faktor yang memengaruhi performa akademik siswa secara lebih objektif dan berbasis data. Penelitian ini bertujuan untuk menganalisis pengaruh jam belajar dan tingkat kehadiran terhadap nilai ujian siswa di SMP Negeri 3 Sokaraja menggunakan pendekatan pembelajaran mesin terawasi, yaitu algoritma Logistic Regression dan Decision Tree. Dataset yang digunakan terdiri dari data siswa yang mencakup variabel Study_Hours, Attendance (%), serta variabel target berupa Grade. Tahapan penelitian meliputi preprocessing data, transformasi variabel kategorikal menjadi numerik, pembagian data menjadi data latih dan data uji, serta pembangunan dan evaluasi model menggunakan metrik akurasi, precision, recall, dan f1-score. Hasil penelitian menunjukkan bahwa model Logistic Regression memiliki performa yang lebih baik dengan tingkat akurasi sebesar 0,82 dibandingkan dengan Decision Tree yang memperoleh akurasi sebesar 0,75. Selain itu, hasil prediksi pada data baru menunjukkan bahwa siswa dengan jam belajar rendah meskipun memiliki tingkat kehadiran tinggi cenderung memperoleh nilai yang rendah. Temuan ini mengindikasikan bahwa jam belajar memiliki pengaruh yang lebih signifikan terhadap hasil akademik dibandingkan dengan kehadiran. Penelitian ini menunjukkan bahwa penerapan machine learning dapat digunakan sebagai alat bantu dalam sistem pendidikan untuk mengidentifikasi siswa yang berpotensi memiliki performa akademik rendah serta mendukung pengambilan keputusan berbasis data.