Sukmakomala, Ratu (2025) PENERAPAN ALGORITMA RANDOM FOREST UNTUK MEMPREDIKSI PENERIMAAN SISWA BARU DI SMA (TA.2.25.050). Diploma thesis, UNIVERSITAS LOGISTIK DAN BISNIS INTERNASIONAL.
Full text not available from this repository.Abstract
Proses penerimaan siswa baru di tingkat sekolah menengah atas merupakan tahapan yang sangat penting dan membutuhkan kejujuran serta transparansi. Namun, berbagai kendala sering muncul dalam pelaksanaannya, seperti masalah pada sistem, kurangnya informasi, dan ketidaktepatan dalam penyampaian data. Penelitian ini memanfaatkan algoritma Random Forest, salah satu metode pembelajaran mesin yang efektif untuk menganalisis data dan melakukan prediksi, guna membantu proses seleksi peserta didik baru. Data yang digunakan berupa nilai rata-rata mata pelajaran siswa SMP, yang diolah menggunakan pendekatan CRISP- DM. Pendekatan ini mencakup tahap-tahap seperti analisis kebutuhan bisnis, akuisisi dan praproses data, perancangan model, pengujian performa, serta implementasi sistem. Algoritma Random Forest digunakan untuk mengklasifikasikan jalur penerimaan siswa, meliputi Zonasi, Afirmasi KETM, dan Prestasi (Rapor maupun Kejuaraan). Berdasarkan hasil penelitian, model Random Forest yang diterapkan mampu mencapai akurasi prediksi sebesar 81,11% pada sebagian besar kategori penerimaan. Sebagai hasil akhir, penelitian ini menghasilkan sistem dashboard berbasis web yang menampilkan informasi hasil prediksi penerimaan siswa (diterima atau tidak). Sistem ini dirancang untuk membantu sekolah dalam menyeleksi siswa baru secara lebih tepat, sekaligus mendorong terciptanya proses penerimaan yang transparan dan efisien. Kata kunci: Penerimaan Siswa Baru, Random Forest (Klasifikasi), Machine Learning, Prediksi, Dashboard.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > TA Engineering (General). Civil engineering (General) |
| Divisions: | Sekolah Vokasi > Teknik Informatika D4 |
| Depositing User: | PKL TUJUH TUJUH |
| Date Deposited: | 30 Sep 2025 03:55 |
| Last Modified: | 30 Sep 2025 03:55 |
| URI: | http://eprints.ulbi.ac.id/id/eprint/3688 |
Actions (login required)
 |
View Item |
