Klasifikasi Pemanfaatan Gawai Terhadap Prestasi Belajar Siswa Menggunakan Algoritma Decision Tree C4.5

Misrawati Lingude, Manda Rohandi, Haeriani H, Lillyan Hadjaratie, Muthia Muthia

Abstract


Gadget use among students is increasing along with developments in information technology. Besides supporting learning, gadget are also used for entertainment and other digital activities. Differences in gadget utilization patterns may be associated with academic achievement, requiring a data-based method to identify these patterns. This study aims to classify gadget utilization in relation to students’ academic achievement using the Decision Tree C4.5 algorithm. Data were obtained through a gadget utilization questionnaire and documentation of average first-semester report card scores of eleventh-grade students at SMA Negeri 1 Suwawa. The sample consisted of 150 students selected through purposive sampling. Predictor attributes included gender, extracurricular participation, leisure time, gadget usage duration, frequency of gadget use for learning, and gadget activities, while academic achievement served as the class label with high, moderate, and low categories. Analysis was conducted using Altair AI Studio, with 65% of data used for training and 35% for testing. Results showed that gender became the root node, while other attributes formed classification rules. Evaluation produced an accuracy of 47.17%, precision values of 10.00%, 38.46%, and 63.33%, and recall values of 16.67%, 33.33%, and 59.38%, respectively. The model identified gadget utilization patterns, although its performance remained limited and requires further development.

Pemanfaatan gawai di kalangan siswa semakin meningkat seiring perkembangan teknologi informasi. Selain mendukung pembelajaran, gawai juga digunakan untuk hiburan dan aktivitas digital lainnya. Perbedaan pola pemanfaatan gawai dapat berkaitan dengan prestasi belajar siswa, sehingga diperlukan metode berbasis data untuk mengidentifikasi pola tersebut. Penelitian ini bertujuan mengklasifikasikan pemanfaatan gawai terhadap prestasi belajar siswa menggunakan algoritma Decision Tree C4.5. Penelitian menggunakan pendekatan kuantitatif dengan metode data mining. Data diperoleh melalui kuesioner pemanfaatan gawai dan dokumentasi nilai rata-rata rapor semester ganjil siswa kelas XI SMA Negeri 1 Suwawa. Sampel berjumlah 150 siswa yang dipilih menggunakan purposive sampling. Atribut prediktor meliputi jenis kelamin, ekstrakurikuler, waktu luang, durasi penggunaan gawai, frekuensi penggunaan gawai untuk belajar, dan aktivitas gawai, sedangkan prestasi belajar menjadi label dengan kategori tinggi, sedang, dan rendah. Analisis dilakukan menggunakan Altair AI Studio dengan pembagian data 65% sebagai data latih dan 35% sebagai data uji. Hasil penelitian menunjukkan bahwa jenis kelamin menjadi root node, sedangkan atribut lainnya membentuk aturan klasifikasi. Evaluasi menghasilkan accuracy 47,17%, precision kategori rendah, sedang, dan tinggi masing-masing 10,00%, 38,46%, dan 63,33%, serta recall 16,67%, 33,33%, dan 59,38%. Hasil tersebut menunjukkan bahwa model mampu mengidentifikasi pola pemanfaatan gawai, meskipun performanya masih terbatas dan memerlukan pengembangan model untuk meningkatkan kinerja klasifikasi.

Keywords


Data mining; Decision tree C4.5; Pemanfaatan gawai; Prestasi belajar; Klasifikasi

Full Text:

PDF

References


Amani, N. N. N., Martanto, M., & Hayati, U. (2024). Penggunaan algoritma Decision Tree untuk prediksi prestasi siswa di Sekolah Dasar Negeri 3 Bayalangu Kidul. JATI: Jurnal Mahasiswa Teknik Informatika, 8(1), 473. https://doi.org/10.36040/jati.v8i1.8355

Ardiansyah, A., Maula, T., & Budiyantara, A. (2023). Perbandingan algoritma k-nearest neighbor (K-NN) dengan decision tree (c4.5) untuk menentukan judul buku berdasarkan peminatan pada perpustakaan Kantor Pusat BPK RI. Jurnal Teknik Informatika dan Komputer, 2(2), 50–55. https://doi.org/10.22236/jutikom.v2i2.12654

Cristanto, R. M. R. Y., Zamzami, E. M., & Fahmi, F. (2024). Improved decision tree accuracy (c4.5) with attribute reduction using forward selection in data classification. Proceedings of the 11th International Applied Business and Engineering Conference (ABEC 2023). EAI. https://doi.org/10.4108/eai.21-9-2023.2342901

Davani, D. (2022). Analisis dampak penggunaan gadget pada siswa dalam pembelajaran di sekolah. Cendekiawan: Jurnal Pendidikan dan Studi Keislaman, 1(2), 87–91. https://doi.org/10.61253/cendekiawan.v1i2.51

Karim, K. H., Purnomo, E., Kasim, S., & Panu, R. H. (2023). Pemanfaatan smartphone sebagai media pembelajaran ramah anak di Kabupaten Halmahera Selatan. ABSYARA: Jurnal Pengabdian pada Masyarakat, 4(2), 167–175. https://doi.org/10.29408/ab.v4i2.23176

Khotimah, K. (2021). Teknik data mining menggunakan algoritma decision tree (c4.5) untuk prediksi seleksi beasiswa jalur KIP pada Universitas Muhammadiyah Kotabumi. Jurnal SIMADA (Sistem Informasi dan Manajemen Basis Data), 4(2), 145–152. https://doi.org/10.30873/simada.v4i2.3064

Lestari, D., Rahman, A., Hermawan, A., & Avianto, D. (2024). Penerapan data mining klasifikasi tingkat pemahaman siswa menggunakan metode Decision Tree dan Naïve Bayes. Jurnal I-MIK STM-IKI.

Nelyahardi Gutji, H. W. (2021). Pengaruh penggunaan gadget dan self regulated learning terhadap prestasi belajar siswa SMAN 2 Muaro Jambi. Jurnal Pendidikan Tambusai, 5(3), 7663–7669. https://jptam.org/index.php/jptam/article/view/2181

Nikmawati, N., Bintoro, H. S., & Santoso, S. (2021). Dampak penggunaan gadget terhadap hasil belajar dan minat belajar siswa sekolah dasar. Jurnal Edutech Undiksha, 9(2), 254–259. https://doi.org/10.23887/jeu.v9i2.38975

Octaviani, J. F. (2021). Penggunaan smartphone terhadap hasil belajar siswa selama pandemi COVID-19. Bina Gogik. 8(1), 54–61.

Ramadhan, P., Yuhandri, Y., & Veri, J. (2025). Eksplorasi algoritma decision tree untuk penentuan siswa berprestasi. Bit-Tech (Binary Digital–Technology), 7(3), 826–833. https://doi.org/10.32877/bt.v7i3.2210

Rizaldi, R., & Hariri, M. A. R. (2021). Implementasi algoritme decision tree (c4.5) dengan optimize Weights (PSO) untuk memprediksi kelulusan mahasiswa tepat waktu. Jurnal Informatika Universitas Pamulang, 6(2), 252–257. https://doi.org/10.32493/informatika.v6i2.9197

Simarmata, R., & Samuel, Y. T. (2021). Analisa pengaruh penggunaan gadget terhadap nilai akhir siswa sma secara umum menggunakan metode data mining (decision tree). TeIKa, 11(1), 15–28. https://doi.org/10.36342/teika.v11i1.2475

Sukri, M. H., & Handrianto, Y. (2024). Penerapan algoritma c4.5 dalam menentukan prediksi prestasi siswa pada SMPN 51 Jakarta. Informatics and Computer Engineering Journal, 4(1), 11–24. https://doi.org/10.31294/icej.v4i1.2582

Supriani, L., Asrori, M. A. R., & Hadi, N. U. (2022). Determinasi penggunaan gadget dan motivasi belajar terhadap prestasi belajar siswa kelas atas sekolah dasar. Pendas: Jurnal Ilmiah Pendidikan Dasar, 10(3). https://doi.org/10.23969/jp.v10i03.29568

Tuloli, M. S., Kinanti, T. S., & Amali, L. N. (2025). Perbandingan algoritma c4.5, naive bayes, dan k-nearest neighbors untuk prediksi penyakit jantung. Jambura Journal of Informatics, 7(1), 11–21. https://doi.org/10.37905/jji.v1i1.31158




DOI: https://doi.org/10.37905/jji.v8i2.41427

Refbacks

  • There are currently no refbacks.