Final Project - Pembelajaran Mesin 1 Universitas Darussalam Gontor
Repository ini berisi dokumentasi dan kode sumber untuk Tugas Akhir mata kuliah Pembelajaran Mesin 1. Proyek ini bertujuan untuk membangun model Machine Learning yang dapat memprediksi kemungkinan seorang siswa lulus atau gagal berdasarkan karakteristik sosial, demografi, dan akademik mereka.
Tujuan utama dari analisis ini adalah membantu institusi pendidikan melakukan deteksi dini terhadap siswa yang berisiko gagal agar dapat diberikan intervensi yang tepat.
Dataset yang digunakan bersifat publik dan diambil dari UCI Machine Learning Repository.
- Nama Dataset: Student Performance Dataset
- Sumber: UCI Repository Link
- Referensi: P. Cortez and A. Silva. Using Data Mining to Predict Secondary School Student Performance, 2008.
Berdasarkan rumusan masalah untuk pengambilan keputusan (Lulus/Gagal), proyek ini menggunakan pendekatan Klasifikasi (Supervised Learning).
- Algoritma: Random Forest Classifier.
- Alasan Pemilihan: Algoritma ini dipilih karena kemampuannya menangani fitur campuran (numerik dan kategorikal) serta memberikan akurasi yang konsisten tanpa risiko overfitting yang tinggi.
-
Target Variabel: Nilai akhir (
G3) dikonversi menjadi label biner:-
1(Lulus): Nilai$\ge$ 10 -
0(Gagal): Nilai$<$ 10
-
Dari eksperimen yang dilakukan dalam notebook ini, ditemukan bahwa faktor-faktor berikut memiliki pengaruh terbesar terhadap kelulusan siswa (Feature Importance):
- Failures: Jumlah kegagalan pada kelas sebelumnya.
- Absences: Jumlah ketidakhadiran siswa.
- Medu/Fedu: Tingkat pendidikan orang tua.
- Studytime: Waktu belajar mingguan.
(Detail visualisasi dan metrik evaluasi dapat dilihat pada file notebook)
- Clone repository ini:
git clone [https://github.com/username-anda/ML1-Student-Performance.git](https://github.com/username-anda/ML1-Student-Performance.git)
- Install library yang dibutuhkan:
pip install pandas numpy scikit-learn matplotlib seaborn ucimlrepo
- Jalankan file notebook:
final-project-mechine-learning.ipynb
Project ini diajukan untuk memenuhi syarat penilaian akhir semester Genap 2025-2026.