Perbandingan Kinerja Random Forest dan XGBoost untuk Prediksi Pemilihan Fakultas di SMK Bistek Gunung Sindur
DOI:
https://doi.org/10.31004/anthor.v5i5.1392Keywords:
Perbandingan, Random Forest, XGBoost, Prediksi, KlasifikasiAbstract
Prediksi fakultas merupakan proses penting yang membantu siswa dalam menemukan prediksi fakultas pada tingkat Universitas sesuai dengan minat dan berdasarkan keahlian siswa di beberapa mata pelajaran. Penelitian ini bertujuan untuk membangun sistem prediksi fakultas berbasis website menggunakan algoritma Random Forest dan XGBoost. Data yang digunakan adalah data alumni SMK BISTEK Gunung Sindur sebanyak 294 data siswa. Metode yang dibandingkan adalah Random Forest dan XGBoost. Hasil dari penelitian menunjukkan algoritma XGBoost lebih unggul dengan nilai accuracy 44,07%, recall 0.4407, F1-Score 0.4103, precision 0.3886, sedangkan Random Forest memperoleh accuracy 40.68%, recall 0.4068, F1-Score 0.4036, dan precision 0.4048.
References
Alia, R., & Mulyono, Y. (2025). Studi pustaka: Pengaruh model pembelajaran project based learning terhadap keterampilan berpikir kreatif peserta didik pada pelajaran IPA. Lensa, 15(1), 57–64. https://doi.org/10.24929/lensa.v15i1.482
Ananda, F., Hidayat, K., Sulistianingsih, N., & Hammad, R. (2026). Perbandingan algoritma XGBoost dan random forest dalam klasifikasi surat masuk pemerintahan. 4(4), 10390–10397.
Arafat, C., Ramadhan, M. C., Abdul, F., Rayenra, M., Pramudya, A., & Ismanto, E. (2025). Perbandingan algoritma random forest dan XGBoost untuk klasifikasi penyakit jantung berdasarkan data medis. 15(2), 430–435.
Arfan, I. S., Fauziah, S., & Nawangsih, I. (2024). Sentiment analyst of cyber bullying in X using Naïve Bayes algorithm: Analisa sentimen terhadap cyber bullying di X menggunakan algoritma Naïve Bayes. 4, 1411–1419.
Handayani, T. W., Arianti, R., & Pendidikan, I. (2026). Peningkatan keterampilan menulis teks laporan hasil observasi melalui model game based learning berbantuan media kartu acak pada siswa kelas Xb SMA Negeri 02 Tambusai. 5(2), 418–426.
Hutagaol, O. K., Simamora, J. T. J., Sihite, A. S., & Sihombing, M. A. (2026). Ikraith-Informatika, 10(2), 680–688.
Khairunnisa, U., Santika, L., & Yusefani, V. (2026). Analisis perbandingan random forest dan XGBoost pada dataset imbalanced untuk klasifikasi. 10(4), 5881–5887.
Kurniawan, D., Wahyudi, M., & Pujiastuti, L. (2024). Deteksi dan prediksi cerdas penyakit paru-paru dengan algoritma random forest. 3(1).
Mardianto, R., Quinevera, S., & Rochimah, S. (2024). Perbandingan metode random forest, convolutional neural network, dan support vector machine untuk klasifikasi jenis mangga. Journal of Applied Computer Science and Technology (JACOST), 5(1), 63–71.
Nurlailah, E., & Rizky, K. (2023). Perancangan website sebagai media informasi dan promosi oleh-oleh khas Kota Pagaralam. 8(4), 1175–1185.
Pangestu, A., Mujiyono, S., & Waluyo. (2025). Implementasi algoritma XGBoost untuk prediksi status gizi balita berbasis website, 176–187. https://doi.org/10.33364/algoritma/v.22-2.2390
Prastyo, D., Mursyidin, I. H., & Irawan, D. (2025). Sistem informasi terpusat untuk manajemen dokumen, penelitian, dan. 7(3). https://doi.org/10.32877/bt.v7i3.2182
Rachmatullah, M. I. C. (2025). Ensemble learning untuk klasifikasi: Tinjauan. 17(1), 29–31.
Sibarani, S., Yosefin, A., Nengsi, R., Sony, T., & Elsina, R. (2025). Pengaruh efikasi diri terhadap keberhasilan pembelajaran berbasis web di era digital.
Sobari, S., Purnamasari, A. I., & Bahtiar, A. (2025). Meningkatkan model prediksi kelulusan santri tahfidz di Pondok Pesantren Al-. 13(1).
Tristianto, & Zein, A. (2022). Prediksi pemilihan fakultas di universitas pada sekolah menengah atas negeri Tangerang Selatan dengan. 32(4), 42–45.
Wahyuni, E. I., Muthmainnah, F., & Permana, B. (2025). Pengembangan sistem informasi manajemen sekolah berbasis web untuk meningkatkan efisiensi administrasi pendidikan, 65–76.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Nely R. Sihombing, Dede Sahrul Bahri
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
