Analitik Pendidikan 4.0: Penerapan Data Mining dalam Mengungkap Karakteristik Siswa
Keywords:
Analitik Pendidikan 4.0, Data Mining, Karakteristik Siswa, Pohon Keputusan, KlasifikasiAbstract
Salah satu tantangan paling menarik dan kompleks dalam Penambangan Data Pendidikan (EDM) adalah menganalisis kinerja siswa. Peneliti sangat tertarik pada bidang ini karena berbagai faktor yang memengaruhi hasil belajar, serta banyaknya data yang tersedia, terutama dalam konteks pembelajaran yang ditingkatkan teknologi. Meskipun banyak penelitian ada dalam EDM, hanya sedikit yang berfokus secara khusus pada evaluasi dan prediksi prestasi siswa. Sebagian besar survei bertujuan untuk mengidentifikasi pola atau faktor yang dapat memprediksi kinerja siswa. Studi ini mengusulkan penggunaan algoritma penambangan data untuk mengekstrak data yang relevan dan akurat untuk analisis lebih lanjut. Dalam tinjauan pustaka ini, penulis mengkaji pendekatan yang ada di bidang ini dan menyoroti bagaimana interaksi siswa dengan sistem manajemen pembelajaran dan data tugas penilaian dapat memberikan wawasan berharga untuk prediksi kinerja awal. Penulis juga mengidentifikasi peran penting yang dimainkan oleh jenis sistem pendidikan dalam membentuk proyeksi awal prestasi siswa.
References
Asif, R., Merceron, A., Ali, S. A., & Haider, N. G. (2017). Analyzing undergraduate students’ performance using educational data mining. Comput. Educ., 113, 177–194. https://api.semanticscholar.org/CorpusID:26870758
Aziz, A. B. A., & Ahmad, N. (2014). First Semester Computer Science Students ’ Academic Performances Analysis by Using Data Mining Classification Algorithms. https://api.semanticscholar.org/CorpusID:111383032
Buenaño-Fernández, D., Gil, D., & Luján-Mora, S. (2019). Application of Machine Learning in Predicting Performance for Computer Engineering Students: A Case Study. Sustainability. https://api.semanticscholar.org/CorpusID:181333905
Gori, T. (2024). Preprocessing Data dan Klasifikasi untuk Prediksi Kinerja Akademik Siswa. Jurnal Teknologi Informasi Dan Ilmu Komputer. https://api.semanticscholar.org/CorpusID:268197786
Gunasekara, S., & Saarela, M. (2024). Explainability in Educational Data Mining and Learning Analytics: An Umbrella Review. Educational Data Mining. https://api.semanticscholar.org/CorpusID:273692026
Huang, Y., Liu, H., & Pan, J. (2021). Identification of data mining research frontier based on conference papers. Int. J. Crowd Sci., 5, 143–153. https://api.semanticscholar.org/CorpusID:236284849
Huynh-Cam, T.-T., Chen, L.-S., & Le, H. (2021). Using Decision Trees and Random Forest Algorithms to Predict and Determine Factors Contributing to First-Year University Students’ Learning Performance. Algorithms, 14, 318. https://api.semanticscholar.org/CorpusID:240473868
Kabakchieva, D. (2013). Predicting Student Performance by Using Data Mining Methods for Classification. https://api.semanticscholar.org/CorpusID:7641809
Khan, A., & Ghosh, S. K. (2018). Data mining based analysis to explore the effect of teaching on student performance. Education and Information Technologies, 23, 1677–1697. https://api.semanticscholar.org/CorpusID:7919350
Kumar, M., Singh, Prof. A. J., & Handa, D. (2017). Literature Survey on Student’s Performance Prediction in Education using Data Mining Techniques. International Journal of Education and Management Engineering, 7, 40–49. https://api.semanticscholar.org/CorpusID:67421239
Livieris, I. E., Mikropoulos, T., & Pintelas, P. E. (2016). A decision support system for predicting students’ performance. https://api.semanticscholar.org/CorpusID:4092776
Marlina, R., Zaharuddin, Ngemba, H. R., Smith, J., Perangkat, P., Efisiensi, L., Keamanan, O., & Infrastruktur, D. O. (2024). Manfaat Integrasi IoT dalam Pengembangan Perangkat Lunak di Sektor Pendidikan. Jurnal MENTARI: Manajemen, Pendidikan Dan Teknologi Informasi. https://api.semanticscholar.org/CorpusID:277158450
Nurhayati, E. S., & Lawanda, I. I. (2023). Perkembangan dan Tren Penelitian Global tentang Research Data Management. Lentera Pustaka: Jurnal Kajian Ilmu Perpustakaan, Informasi Dan Kearsipan. https://api.semanticscholar.org/CorpusID:267129157
Yağcı, M. (2022). Educational data mining: prediction of students’ academic performance using machine learning algorithms. Smart Learning Environments, 9. https://api.semanticscholar.org/CorpusID:247233325
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Tommy Jonathan Sinaga

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Licence
Copyright @2023. This is an open-access article distributed under the terms of the Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (http://creativecommons.org/licenses/by-nc-sa/4.0/) which permits unrestricted non-commercial used, distribution and reproduction in any medium






