Analisis Perbandingan Algoritma Untuk Prediksi Performa Akademik Mahasiswa Pada Pembelajaran Daring

Performa akademik mahasiswa menjadi salah satu faktor penting untuk kelulusan mahasiswa. Maka dari itu banyak penelitian yang dilakukan dibidang pendidikan untuk mengidentifikasi faktor yang mempengaruhi performa akademik mahasiswa. Penelitian ini berfokus pada analisis performa akademik mahasiswa pada metode pembelajaran secara daring dengan studi kasus pada universitas XYZ. Data yang telah dikumpulkan diproses dengan teknik Machine Learning dengan penerapan algoritma Distributed Random Forest, Naïve Bayes, Generalized Linear Model, dan Gradient Boosting Machine. Hasil penelitian ini menunjukkan bahwa model Distibuted Random Forest dan Gradient Boosting Machine memiliki nilai rata-rata keakuratan sebesar 99.83%. Peneliti menemukan variabel yang berpengaruh pada performa akademik mahasiswa khususnya pembelajaran secara daring adalah nilai ujian akhir semester, nilai ujian tengah semester, jumlah presensi kehadiran, nilai tugas, jumlah materi yang berikan, jumlah tugas yang diberikan, dan jumlah klik permateri. Dari temuan tersebut, peneliti merekomendasikan untuk meningkatkan performa pembelajaran berikutnya, pelaksanaan pembelajaran daring sebaiknya berfokus pada peningkatan pelaksanaan ujian akhir semester dan pengaturan materi pada platform pembelajaran daring.

Abstract licence: CC BY-SA

A person counts once a day per paper. We keep no cookie and no address: a reader is a hash that changes every day. Any month under five reads shows no number.