Format : Jurnal Ilmiah Teknik Informatika, Vol 12, No 2 (2023)

Estimasi Nilai Akhir Mata Pelajaran Komputer dan Jaringan Dasar Menggunakan Algoritma Linear Regression Berganda

M. Andrea Rossi, Tisna Hidayat, Elinda Elinda, Ainunna'imah Ainunna'imah, Tedy Setiadi

Abstract


Abstract - Vocational High School or SMK is a secondary level of education taken after completing from junior high school/equivalent. SMK plays a significant part in the preparation of human resources. The final grades of the students are difficult for teachers to predict. This estimated final grade is necessary for the teacher to evaluate the quality of the instruction given. In order to ascertain the association between the variable daily average values and competency scores on the final grades in Computer and Basic Networks subjects, a data mining strategy was utilized in conjunction with the estimate method utilizing the multiple linear regression algorithm. The data used is value data for one semester with a total of 134. In order to increase the quality of learning in the event that the grade does not satisfy the completeness requirements, it is anticipated that the Multiple Linear Regression algorithm will be able to estimate the final grades that are likely to be achieved. To determine the scope of the fault discovered, the RMSE (Root Mean Squared Error) is utilized.


Abstrak – Sekolah Menengah Kejuruan atau SMK merupakan tingkatan pendidikan menengah yang ditempuh setelah lulus dari SMP atau Sekolah Menengah Pertama/sederajat. SMK memiliki peranan penting untuk mempersiapkan Sumber Daya Manusia. Guru memiliki permasalahan dalam mengestimasi nilai akhir siswa. Estimasi nilai akhir ini diperlukan oleh guru dalam mengevaluasi terkait kualitas pembelajaran yang diberikan. Pada penelitian ini, digunakan pendekatan data mining dengan metode estimasi menggunakan algoritma Regresi Linear Berganda guna mengetahui hubungan antara variabel nilai rata-rata harian dan nilai kompetensi terhadap nilai akhir mata pelajaran Komputer dan Jaringan Dasar. Data yang digunakan adalah data nilai selama satu semester dengan jumlah sebanyak 134. Dengan menggunakan algoritma Regresi Linear Berganda diharapkan mampu memperkirakan hasil nilai akhir yang kemungkinan diperoleh sehingga dapat meningkatkan kualitas belajar jika nilai tidak memenuhi syarat ketuntasan. RMSE (Root Mean Squared Error) digunakan untuk melakukan pengecekan terhadap besarnya error yang didapat.