Prediksi Churn Siswa-Siswi SMP Pahlawan Nasional dengan Menggunakan Algoritma Random Forest

Abstract

Pendidikan merupakan pondasi penting bagi pembangunan suatu negara dan kehidupan individu. Namun, salah satu tantangan utama dalam dunia pendidikan saat ini adalah tingginya angka siswa yang mengalami Churn, yaitu siswa yang berhenti sekolah atau berpindah ke lembaga pendidikan lain. Masalah ini memberikan dampak signifikan bagi individu dan institusi pendidikan. Penelitian ini berfokus pada permasalahan Churn di SMP Pahlawan Nasional dan bertujuan untuk membangun model prediksi guna mengidentifikasi siswa yang berpotensi Churn. Untuk mencapai tujuan tersebut, algoritma Random Forest diterapkan menggunakan data akademik, absensi, dan informasi sosioekonomi. Model dibangun melalui proses pengumpulan data, pra-pemrosesan, pembentukan model, dan evaluasi menggunakan metrik kinerja seperti akurasi, precision, recall, dan F1-score. Hasil evaluasi menunjukkan bahwa model memiliki akurasi sebesar 85,7%, dengan precision untuk kelas Churn sebesar 89,6% dan recall sebesar 81,2%. F1-score model mencapai 85,2%, menunjukkan keseimbangan yang baik antara precision dan recall. Implementasi model ini diharapkan dapat membantu sekolah dalam mengambil langkah preventif untuk mengurangi Churn dan meningkatkan retensi siswa. Penelitian ini juga memberikan kontribusi ilmiah dalam penggunaan machine learning untuk prediksi Churn di sektor pendidikan.