Perpustakaan Digital ITB

Pendidikan adalah pondasi utama dalam membentuk masa depan masyarakat. Namun, tantangan seperti tingginya angka putus sekolah memerlukan pendekatan proaktif untuk meningkatkan kualitas dan kesinambungan pembelajaran. Early Warning System menjadi salah satu instrumen yang dapat menjawab tantangan tersebut. Dengan menggunakan metode DRM, penelitian ini bertujuan melakukan perancangan sebuah model Early Warning System yang dapat menentukan klasifikasi kelulusan berdasarkan prediksi kinerja siswa dengan pendekatan Machine Learning. Model prediksi ini dikembangkan dengan membandingkan algoritma K-Nearest Neighbors (KNN), Random Forest (RF), dan Support Vector Machine (SVM). Hasil evaluasi menujukkan bahwa akurasi tertinggi diraih oleh model KNN dengan nilai rata-rata sebesar 93,1% yang diikuti oleh model RF dengan rata-rata akurasi sebesar 92,8 % dan model SVM dengan nilai rata-rata sebesar 90,4 %. Diharapkan bahwa temuan dari penelitian ini akan membantu dalam menurunkan angka putus sekolah pada pendidikan tinggi.