ANALISIS DATA PENERIMAAN PESERTA DIDIK BARU MENGGUNAKAN CROSS VALIDATION DAN ALGORITMA DECISION TREE DI SMA NEGERI 1 BANDUNG

Abstract

Setiap tahun, SMA Negeri 1 Bandung menerima calon peserta didik baru melalui tiga jalur pendaftaran: penelusuran minat, Prestasi Akademik (PA), dan ujian tertulis. Namun, proses seleksi dalam Penerimaan Peserta Didik Baru (PPDB) menghadapi kendala dalam menetapkan kriteria kelulusan. Untuk mengatasi masalah ini, diperlukan prediksi data guna meningkatkan kualitas penerimaan siswa. Tujuan penelitian ini adalah menganalisis data PPDB untuk menyederhanakan proses seleksi calon siswa dengan menerapkan teknik data mining, khususnya algoritma Decision Tree. Metode ini menghasilkan pohon keputusan yang membantu mengidentifikasi siswa yang lolos dan tidak lolos dengan lebih efisien. Hasil penelitian menggunakan aplikasi RapidMiner Studio menunjukkan bahwa dari 282 data, sebanyak 86 data tidak lolos dan 191 data lolos, dengan tingkat akurasi mencapai 98.24%, precision 97.45%, dan recall 94.51%. Pemahaman faktor-faktor yang mempengaruhi keberhasilan akademik siswa juga dapat membantu pengembangan strategi pendidikan yang lebih efektif. Melalui teknik Cross-Validation, validitas model Decision Tree diuji untuk memastikan kinerjanya yang tinggi dalam berbagai lingkungan. Dengan demikian, penelitian ini berpotensi memberikan kontribusi yang signifikan terhadap kebijakan penerimaan siswa baru yang efisien dan berkualitas di SMA Negeri 1 Bandung.