Mengukur Tingkat Literasi Anak Menggunakan Algoritma Decision Tree Dan Logistic Regression

Authors

  • Faris Gymnatsiar Rahman Universitas Adhirajasa Reswara Sanjaya Author
  • Rizal Rachman Universitas Adhirajasa Reswara Sanjaya Author

Keywords:

Teknologi Informasi dan Komunikasi, SDN Cilampeni, Kinerja Siswa, Analisis Data, Decision Tree, Logistic Regression, Pendidikan Dasar

Abstract

Penelitian ini bertujuan untuk menganalisis kinerja siswa SDN Cilampeni pada mata pelajaran Teknologi Informasi dan Komunikasi (TIK). Data dikumpulkan dari 302 siswa, dengan 10 variabel penilaian yang mencakup wawasan pengetahuan, matematika komputer, Bahasa Inggris dengan komputer, menggambar dengan komputer, pengolah kata, tugas, minat belajar, kehadiran, tingkah laku, serta tes praktek dan teori. Analisis data menunjukkan bahwa semua siswa berhasil lulus dengan nilai rata-rata yang tinggi di semua kategori. Hasil analisis menggunakan algoritma Decision Tree menunjukkan bahwa variabel kehadiran dan minat belajar adalah faktor penentu utama yang mempengaruhi kelulusan siswa, dengan akurasi model sebesar 95%. Sementara itu, analisis menggunakan algoritma Logistic Regression mengidentifikasi bahwa variabel tugas dan tes praktek dan teori memiliki pengaruh signifikan terhadap kelulusan siswa, dengan odds ratio masing-masing sebesar 2.5 dan 3.2 serta akurasi model sebesar 93%. Penelitian ini memberikan wawasan penting bagi para pendidik tentang efektivitas program TIK di sekolah dasar dan faktor-faktor kunci yang mempengaruhi keberhasilan siswa. Temuan ini dapat menjadi dasar untuk pengembangan kurikulum yang lebih baik dan strategi pengajaran yang lebih efektif di masa depan.

References

[1] Ananda R, Inas M, and Setyawan A, “Pentingnya Pendidikan Karakter pada anak Sekolah Dasar di Era Digital,” J. Pendidikan, Bhs. dan Budaya, vol. 1, no. 1, pp. 83–88, 2022, doi: 10.55606/jpbb.v1i1.836.

[2] D. N. Safitri and E. Muryanti, “Analisis Pengenalan Literasi Digital Bagi Anak,” vol. 5, no. 2, pp. 303–319, 2021.

[3] K. Novitasari, “Penggunaan Teknologi Multimedia Pada Pembelajaran Literasi Anak Usia Dini,” J. Golden Age, vol. 3, no. 01, p. 50, 2019, doi: 10.29408/goldenage.v3i01.1435.

[4] A. Roihan, P. A. Sunarya, and A. S. Rafika, “Pemanfaatan Machine Learning dalam Berbagai Bidang: Review paper,” IJCIT (Indonesian J. Comput. Inf. Technol., vol. 5, no. 1, pp. 75–82, 2020, doi: 10.31294/ijcit.v5i1.7951.

[5] S. Handoko, F. Fauziah, and E. T. E. Handayani, “Implementasi Data Mining Untuk Menentukan Tingkat Penjualan Paket Data Telkomsel Menggunakan Metode K-Means Clustering,” J. Ilm. Teknol. dan Rekayasa, vol. 25, no. 1, pp. 76–88, 2020, doi: 10.35760/tr.2020.v25i1.2677.

[6] M. N. Yatimah, “Implementasi Data Mining untuk Prediksi Kelulusan Tepat Waktu Mahasiswa STIMIK ESQ Menggunakan Decision Tree C4.5,” JUMANJI (Jurnal Masy. Inform. Unjani), vol. 5, no. 2, p. 89, 2021, doi: 10.26874/jumanji.v5i2.95.

[7] A. H. Nasrullah, “Implementasi Algoritma Decision Tree Untuk Klasifikasi Data Peserta Didik,” J. Pilar Nusa Mandiri, vol. 7, no. 2, p. 217, 2021.

[8] T. Z. Jasman, E. Hasmin, C. Susanto, and W. Musu, “Perbandingan Logistic Regression, Random Forest, dan Perceptron pada Klasifikasi Pasien Gagal Jantung,” CSRID J., vol. 14, no. 3, pp. 271–286, 2022.

[9] E. Rahmawati and C. Agustina, “Implementasi Teknik Bagging untuk Peningkatan Kinerja J48 dan Logistic Regression dalam Prediksi Minat Pembelian Online,” J. Teknol. Inf. dan Terap., vol. 7, no. 1, pp. 16–19, 2020, doi: 10.25047/jtit.v7i1.123.

[10] omar Amrin, “Implementasi Algoritma Klasifikasi Logistic Regression dan Naïve Bayes untuk Diagnosa Penyakit Hepatitis,” J. Tek. Komput. AMIK BSI, vol. 8, no. 2, pp. 174–180, 2022, doi: 10.31294/jtk.v4i2.

Downloads

Published

2025-06-30

Issue

Vol. 6 No. 1 (2025): eProsiding Teknik Informatika (PROTEKTIF) 2025

Section

Artikel

License

Seluruh artikel yang diterbitkan dalam eProsiding Teknik Informatika (PROTEKTIF) dilisensikan di bawah ketentuan Prodi. Dengan lisensi ini, penulis tetap memegang hak cipta atas karyanya, sementara pihak lain diizinkan untuk menyalin, mendistribusikan, menampilkan, dan membuat karya turunan dari artikel yang diterbitkan, baik untuk keperluan komersial maupun non-komersial, selama memberikan pengakuan yang layak kepada penulis asli dan eProsiding Teknik Informatika (PROTEKTIF) sebagai sumber publikasi.

Setiap karya turunan wajib disebarluaskan menggunakan lisensi yang sama. Lisensi ini mendukung prinsip akses terbuka (open access) untuk mendorong diseminasi ilmu pengetahuan secara bebas dan bertanggung jawab.