PENERAPAN XGBOOST DALAM PREDIKSI PENDAFTARAN SISWA BARU BIMBINGAN BELAJAR QSC DI KOTA CIREBON
DOI:
https://doi.org/10.23960/jitet.v13i3S1.7998Abstract Views: 48 File Views: 33
Keywords:
Bimbingan Belajar, Evaluasi Model, Machine Learning, Prediksi Jumlah Siswa, XGBoostAbstract
Pandemi COVID-19 berdampak pada dunia pendidikan, termasuk menurunnya jumlah pendaftar di Bimbingan Belajar Quick & Smart Course (QSC) Kota Cirebon. Kesulitan dalam memprediksi jumlah siswa baru menyebabkan kendala dalam alokasi pengajar, ruang kelas, dan strategi pemasaran yang masih dilakukan secara manual tanpa analisis data. Penelitian ini bertujuan untuk membangun sistem prediksi berbasis web untuk memperkirakan jumlah siswa baru menggunakan algoritma Extreme Gradient Boosting (XGBoost). Data yang digunakan merupakan data historis QSC dari Januari 2021 hingga April 2025. Sistem dikembangkan dengan Python untuk back-end, HTML untuk front-end, dan MySQL sebagai basis data, sedangkan analisis dan perancangan sistem dilakukan menggunakan Unified Modeling Language (UML). Hasil penelitian menunjukkan bahwa model XGBoost dengan konfigurasi terbaik (n_estimators = 100, max_depth = 3) menghasilkan Koefisien Determinasi (R2) sebesar 0,9779, Root Mean Squared Error (RMSE) sebesar 6,83 dan Mean Absolute Error (MAE) sebesar 5,96. Sistem berbasis web ini memudahkan pemilik QSC memantau tren historis, melakukan forecasting, dan mendukung pengambilan keputusan berbasis data untuk strategi pengelolaan yang lebih optimal.
Downloads
References
Y. N. Sukmaningtyas, R. M. Akbar, and G. R. U. Asyafiiyah, “Penerapan Predictive Analytics untuk Analisis Faktor-faktor yang Mempengaruhi Performa Akademik Siswa,” Arcitech: Journal of Computer Science and Artificial Intelligence, vol. 4, no. 2, pp. 127–145, Dec. 2024, doi: 10.29240/arcitech.v4i2.12048.
M. B. Prayogi, F. Apriani, and Nirma, “PREDIKSI ANGKA HARAPAN HIDUP MENGGUNAKAN RANDOM FOREST DAN XGBOOST REGRESSION,” Jurnal Informatika dan Teknologi (JICode), vol. 2, no. 1, pp. 112–121, Feb. 2025.
Dodiman, N. Hidayah, and Asniati, “Prediksi Jumlah Siswa Baru Pada SMK Negeri 2 Buton dengan Metode Regresi Linier dan Exponential Smoothing,” Jurnal Akademik Pendidikan Matematika, vol. 10, no. 1, pp. 27–31, May 2024, doi: 10.55340/japm.v10i1.1517.
A. P. Sandi and V. W. Ningsih, “IMPLEMENTASI DATA MINING SEBAGAI PENENTU PERSEDIAAN PRODUK DENGAN ALGORITMA FP-GROWTH PADA DATA PENJUALAN SINARMART,” Jurnal Publikasi Ilmu Komputer dan Multimedia, vol. 1, no. 2, pp. 111–122, 2022.
S. A. A. Kharis, A. H. A. Zili, E. Zubir, and F. I. Fajar, “Prediksi Kelulusan Siswa pada Mata Pelajaran Matematika menggunakan Educational Data Mining,” Jurnal Riset Pembelajaran Matematika Sekolah, vol. 7, no. 1, pp. 21–29, Mar. 2023, doi: 10.21009/jrpms.071.03.
M. R. S. Alfarizi, M. Z. Al-farish, M. Taufiqurrahman, G. Ardiansah, and M. Elgar, “PENGGUNAAN PYTHON SEBAGAI BAHASA PEMROGRAMAN UNTUK MACHINE LEARNING DAN DEEP LEARNING,” Karimah Tauhid, vol. 2, no. 1, p. 1, 2023.
N. I. Nisa, M. Hatta, and R. Fahrudin, “ANALISA AKURASI PREDIKSI HARGA BERAS DI KOTA CIREBON MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE,” Jurnal Jaringan Sistem Informasi Robotik (JSR), vol. 8, no. 2, pp. 184–190, 2024, [Online]. Available: http://ojsamik.amikmitragama.ac.id
C. F. Wijaya, L. Magdalena, and R. Ilyasa, “Sistem Prediksi Kondisi Kesehatan Pasien Penderita Talasemia dengan Menggunakan Logika Fuzzy Tsukamoto,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 7, no. 3, pp. 565–582, Dec. 2021, doi: 10.28932/jutisi.v7i3.3924.
W. Adriana and A. Ibnu Ridwan, “PERANCANGAN SISTEM INFORMASI PENDAFTARAN SISWA BARU BERBASIS WEB PADA BIMBINGAN BELAJAR SMART HOME,” FORTECH (Journal of Information Technology), vol. 8, no. 2, pp. 15–21, 2024.
Sriwahyuni Hutagalung, Dinda Saputri Gea, Dwina Pri Indini, and Mesran, “Penerapan Metode MOORA Dalam Pemilihan Bimbingan Belajar Terbaik,” Journal of Informatics Management and Information Technology, vol. 3, no. 1, pp. 1–7, Jan. 2023, doi: 10.47065/jimat.v3i1.226.
C. Lukita, L. D. Bakti, U. Rusilowati, A. Sutarman, and U. Rahardja, “Predictive and Analytics using Data Mining and Machine Learning for Customer Churn Prediction,” Journal of Applied Data Sciences, vol. 4, no. 4, pp. 454–465, Dec. 2023, doi: 10.47738/jads.v4i4.131.
R. Gunawan, E. S. Handika, and E. Ismanto, “Pendekatan Machine Learning Dengan Menggunakan Algoritma Xgboost (Extreme Gradient Boosting) Untuk Peningkatan Kinerja Klasifikasi Serangan Syn,” Jurnal CoSciTech (Computer Science and Information Technology), vol. 3, no. 3, pp. 453–463, Dec. 2022, doi: 10.37859/coscitech.v3i3.4356.
G. Dwilestari, “PREDIKSI ADOPSI HEWAN PELIHARAAN MENGGUNAKAN METODE XGBOOST,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 8, no. 4, pp. 7470–7477, Aug. 2024.
E. C. Wibowo and A. D. Cahyono, “Comparative Analysis of Linear Regression and Neural Network Algorithms for Stock Price Prediction,” Sistemasi: Jurnal Sistem Informasi, vol. 14, no. 4, pp. 1879–1896, 2025, [Online]. Available: http://sistemasi.ftik.unisi.ac.id
I. Ardhanur, Martanto, A. R. Dikananda, and Mulyawan, “ANALISIS PREDIKSI PENJUALAN TISU MENGGUNAKAN REGRESI LINEAR,” JITET (Jurnal Informatika dan Teknik Elektro Terapan), vol. 13, no. 2, pp. 739–746, Apr. 2025, doi: 10.23960/jitet.v13i2.6310.
A. T. Widiyatmoko, S. Butsianto, and A. Nugroho, “Penerapan Machine Learning untuk Prediksi Kenaikan Harga Beras Premium Menggunakan Algoritma Regresi Linier,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 5, no. 3, pp. 1125–1132, Jul. 2025, doi: 10.57152/malcom.v5i3.2123.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Jurnal Informatika dan Teknik Elektro Terapan
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
