RANCANG BANGUN APLIKASI PENGENALAN MINAT DAN BAKAT SISWA/I SEKOLAH DI SURABAYA MENGGUNAKAN MACHINE LEARNING BERBASIS WEBSITE

Bagus Adianto, 04321028 (2025) RANCANG BANGUN APLIKASI PENGENALAN MINAT DAN BAKAT SISWA/I SEKOLAH DI SURABAYA MENGGUNAKAN MACHINE LEARNING BERBASIS WEBSITE. Undergraduate thesis, Universitas Narotama.

	Text (COVER) halaman judul - Bagus Adianto.pdf Download (5MB)
	Text (BAB I) bab i - Bagus Adianto.pdf Download (4MB)
	Text (BAB II) bab ii - Bagus Adianto.pdf Download (4MB)
	Text (BAB III) bab iii - Bagus Adianto.pdf Download (4MB)
	Text (BAB IV) bab iv - Bagus Adianto.pdf Download (8MB)
	Text (BAB V) bab v - Bagus Adianto.pdf Download (4MB)
	Text (DAFTAR PUSTAKA DAN LAMPIRAN) daftar pustaka dan lampiran - Bagus Adianto.pdf Download (6MB)

Abstract

Permasalahan utama dalam pendidikan siswa adalah tingginya persentase kesalahan pemilihan jurusan (87%) akibat kurangnya pemahaman minat dan bakat. Untuk mengatasi hal ini, penelitian ini mengembangkan aplikasi berbasis web menggunakan algoritma Random Forest dalam machine learning untuk menganalisis data nilai akademik siswa semester 1-4. Data diklasifikasikan berdasarkan pola minat dan bakat, dengan hasil analisis korelasi antar fitur menunjukkan hubungan signifikan antara nilai akademik dan kecenderungan minat. Hasil evaluasi model mencatat akurasi 83%, presisi 87,5%, recall 80%, dan F1-score 88,52%, mengindikasikan kemampuan model dalam memprediksi minat bakat siswa secara akurat. Distribusi hasil klasifikasi menjadi dasar rekomendasi jalur pendidikan atau ekstrakurikuler yang sesuai. Solusi ini membantu siswa, guru, dan orang tua dalam mengidentifikasi potensi akademik secara objektif, mengurangi risiko kesalahan pemilihan jurusan, serta meningkatkan efektivitas pengembangan bakat berbasis data. Kata Kunci: Machine Learning, Website, Minat Bakat, Rekomendasi pendidikan, Kinerja Model

Item Type:	Thesis (Undergraduate)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Repository Administrator
Date Deposited:	08 Jul 2026 06:00
Last Modified:	08 Jul 2026 06:00
URI:	http://repository.narotama.ac.id/id/eprint/2646

Actions (login required)

View Item

Downloads