PERBANDINGAN KINERJA DECISION TREE DAN RANDOM FOREST UNTUK REKOMENDASI PEMINATAN SMA BERDASARKAN NILAI AKADEMIK

Penentuan jalur peminatan (IPA, IPS, Bahasa) di tingkat Sekolah Menengah Atas (SMA) merupakan keputusan krusial yang berdampak pada arah pendidikan siswa di masa depan. Namun, proses penjurusan yang umum dilakukan saat ini seringkali masih mengandalkan penilaian manual dan subjektif, sehingga rentan terjadi kesalahan penempatan peminatan. Penelitian ini bertujuan membandingkan performa algoritma Decision Tree dan Random Forest dalam mengklasifikasikan peminatan SMA berdasarkan nilai akademik siswa SMP, sehingga diperoleh metode yang paling optimal untuk digunakan dalam sistem rekomendasi penjurusan.
Penelitian menggunakan data sekunder dari platform Kaggle (Students Performance Dataset) berupa data simulasi akademik siswa SMP yang terdiri dari 1.000 observasi. Analisis didasarkan pada lima variabel prediktor utama, yaitu Nilai Matematika Sebelumnya, Nilai Sains Sebelumnya, Nilai Bahasa Sebelumnya, Jam Belajar Harian, dan Persentase Kehadiran. Tahapan penelitian dikembangkan menggunakan kerangka kerja CRISP-DM, yang meliputi persiapan data dengan pelabelan kelas peminatan berbasis nilai kuantil, pembagian data latih dan uji dengan rasio 80:20, serta pencarian parameter terbaik menggunakan teknik GridSearchCV yang dipadukan dengan Stratified 10-Fold Cross-Validation.
Hasil penelitian menunjukkan bahwa algoritma Random Forest memberikan performa klasifikasi yang lebih baik dibandingkan Decision Tree, dengan tingkat akurasi sebesar 76,50% dan nilai F1-Score makro sebesar 0,7619 pada data uji. Pengujian statistik menggunakan Wilcoxon Signed-Rank Test (p=0,0078) mengkonfirmasi bahwa keunggulan kinerja algoritma Random Forest ini signifikan secara statistik. Keunggulan Random Forest didukung oleh kemampuannya mendistribusikan kepentingan fitur secara merata, berbeda dengan Decision Tree yang terlalu bergantung secara dominan pada satu fitur (Nilai Matematika). Oleh karena itu, model Random Forest dinilai lebih sesuai untuk klasifikasi peminatan dan berhasil diimplementasikan ke dalam prototipe antarmuka web interaktif menggunakan framework Gradio sebagai alat bantu pendukung keputusan administratif bagi pihak sekolah.