Analisis Penerapan Machine Learning Berbasis Data Historis untuk Prediksi Hasil Belajar Siswa: Kajian Studi Literatur

Authors

  • Andreas Damanik Universitas Negeri Medan
  • Mikhael Batubara Universitas Negeri Medan
  • Ariel Trifandi Zalukhu Universitas Negeri Medan
  • Fransiskus Jul Rikar Gea Universitas Negeri Medan
  • Afnel Yoniva Marbun Universitas Negeri Medan
  • Putri Adelia br. Lumbantobing Universitas Negeri Medan
  • Elsa Sabrina Universitas Negeri Medan

DOI:

https://doi.org/10.31004/jpion.v5i3.1474

Keywords:

Machine Learning, Data Historis, Prediksi Hasil Belajar, Early Warning System

Abstract

Prediksi hasil belajar diperlukan untuk membantu mengidentifikasi peserta didik yang berisiko mengalami kesulitan akademik dan mendukung pemberian intervensi secara lebih awal. Penelitian ini bertujuan menganalisis penerapan machine learning berbasis data historis dalam prediksi hasil belajar peserta didik dengan mengidentifikasi algoritma yang digunakan, variasi data historis, performa model, serta kontribusinya terhadap early warning system. Penelitian menggunakan metode Systematic Literature Review dengan kerangka PICOC dan pedoman PRISMA. Pencarian dilakukan melalui Google Scholar dan Crossref terhadap publikasi tahun 2021-2026 menggunakan bantuan Publish or Perish. Dari proses seleksi diperoleh 12 jurnal utama yang dianalisis secara naratif dan deskriptif. Hasil sintesis menunjukkan bahwa Naïve Bayes merupakan algoritma yang paling sering digunakan, diikuti Random Forest dan Decision Tree. Data historis mencakup data akademik, kehadiran, aktivitas pembelajaran atau log LMS, serta data sosial-demografis. Performa model bervariasi bergantung pada karakteristik data, preprocessing, dan metode pengujian sehingga nilai akurasi tidak dapat dibandingkan secara langsung. Kontribusi terhadap early warning system masih terbatas, dengan implementasi yang paling jelas berupa sistem berbasis web untuk membantu guru mengidentifikasi peserta didik berisiko.

References

Alalawi, K., Athauda, R., & Chiong, R. (2023). Contextualizing the current state of research on the use of machine learning for student performance prediction: A systematic literature review. Engineering Reports, 5(12), 1–25. https://doi.org/10.1002/eng2.12699

Albreiki, B., Zaki, N., & Alashwal, H. (2021). A systematic literature review of student’ performance prediction using machine learning techniques. Education Sciences, 11(9). https://doi.org/10.3390/educsci11090552

Anwar, S., Kurnia, D. A., Faqih, A., & Sari, S. R. (2022). Prediksi Hasil Belajar Hybrid Menggunakan Artificial Neural Network Dengan Multilayer Perceptron. JURIKOM (Jurnal Riset Komputer), 9(5), 1591. https://doi.org/10.30865/jurikom.v9i5.5024

Ardianti, M., Nurhayati, O. D., & Warsito, B. (2023). Model Prediksi Kinerja Siswa Berdasarkan Data Log LMS Menggunakan Ensemble Machine Learning. JST (Jurnal Sains Dan Teknologi), 12(3), 562–571. https://doi.org/10.23887/jstundiksha.v12i3.59816

Azizah, R. A., Bachtiar, F. A., & Adinugroho, S. (2022). Klasifikasi Kinerja Akademik Siswa Menggunakan Neighbor Weighted K-Nearest Neighbor dengan Seleksi Fitur Information Gain. Jurnal Teknologi Informasi Dan Ilmu Komputer, 9(3), 605–614. https://doi.org/10.25126/jtiik.2022935751

Fauzan, M., Sukma, D. P., Eriwandi, E., & Odang, D. K. (2026). Prediksi Tingkat Pemahaman Siswa SMP Pada Pembelajaran Digital Menggunakan Algoritma Machine Learning. Jurnal Teknologi Informasi (JUTECH), 7(1), 23–30. https://doi.org/10.32546/jutech.v7i1.3543

Fitriani, Y., Defit, S., & Nurcahyo, G. W. (2021). Prediksi Hasil Belajar Siswa Secara Daring pada Masa Pandemi COVID-19 Menggunakan Metode C4.5. Jurnal Sistim Informasi Dan Teknologi, 3, 120–127. https://doi.org/10.37034/jsisfotek.v3i3.54

Gori, T., Sunyoto, A., & Al Fatta, H. (2024). Preprocessing Data dan Klasifikasi untuk Prediksi Kinerja Akademik Siswa. Jurnal Teknologi Informasi Dan Ilmu Komputer, 11(1), 215–224. https://doi.org/10.25126/jtiik.20241118074

Hasanah, U., & Fatmawati. (2022). PREDIKSI PENURUNAN HASIL BELAJAR DARING SISWA DENGAN ALGORITMA C4.5 DAN NAÏVE BAYES. Inti Nusa Mandiri, 17(1), 8–15. https://doi.org/10.33480/inti.v17i1.3139

Kitchenham, B., & Charters, S. (2007). Guidelines for performing systematic literature reviews in software engineering. Technical Report, Ver. 2.3 EBSE Technical Report. EBSE, (January 2007), 1–57.

Kusworo, S., Santoso, N. A., & Kurniawan, R. D. (2024). Prediksi Nilai Akhir Semester Siswa Menggunakan Algoritma Random Forest. Jurnal Sains Dan Ilmu Terapan, 7(2), 246–256. https://doi.org/10.59061/jsit.v7i2.918

Maulana, S., Premana, A., & Irawan, B. (2025). Prediksi Prestasi Akademik Siswa Terbaik Menggunakan Algoritma Decision Tree Berbasis Data Historis. JATI (Jurnal Mahasiswa Teknik Informatika), 9(5), 7890–7897. https://doi.org/10.36040/jati.v9i5.14936

Naibaho, A. F. A., & Zahra, A. (2023). Prediksi Kelulusan Siswa Sekolah Menengah Pertama Menggunakan Machine Learning. Jurnal Informatika Dan Teknik Elektro Terapan, 11(3), 267–281. https://doi.org/10.23960/jitet.v11i3.3056

Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J., Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E., McDonald, S., … Moher, D. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. Bmj, 372. https://doi.org/10.1136/bmj.n71

Pambudi, R. E., Purnomo, H., & Irawan, R. (2024). Pemanfaat Data Mining Untuk Prediksi Prestasi Akademik Siswa Berdasarkan Pola Kehadiran, Aktivitas Belajar Menggunakan Naive Bayes Logistic Regression. Jurnal Teknologi Informasi Mura, 16(2), 132.

Rahim, A., & Mustakim, M. (2025). Peningkatan Akurasi Model Untuk Prediksi KKM Siswa Sekolah Dasar Menggunakan Supervised Machine Learning dengan Integrasi Faktor Internal dan Eksternal. Euler : Jurnal Ilmiah Matematika, Sains Dan Teknologi, 13(3), 372–380. https://doi.org/10.37905/euler.v13i3.34577

Rajagukguk, S. A. (2021). Tinjauan Pustaka Sistematis: Prediksi Prestasi Belajar Peserta Didik Dengan Algoritma Pembelajaran Mesin. Jurnal Sains, Nalar, Dan Aplikasi Teknologi Informasi, 1(1), 22–32. https://doi.org/10.20885/snati.v1i1.4

Sandra, L., Lumbangaol, F., & Matsuo, T. (2021). Machine Learning Algorithm to Predict Student’s Performance: A Systematic Literature Review. TEM Journal, 10(4), 1919–1927. https://doi.org/10.18421/TEM104-56

Sekeroglu, B., Abiyev, R., Ilhan, A., Arslan, M., & Idoko, J. B. (2021). Systematic literature review on machine learning and student performance prediction: Critical gaps and possible remedies. Applied Sciences (Switzerland), 11(22), 2–23. https://doi.org/10.3390/app112210907

Sghir, N., Adadi, A., & Lahmer, M. (2023). Recent advances in Predictive Learning Analytics: A decade systematic review (2012–2022). In Education and Information Technologies (Vol. 28, Number 7). Springer US. https://doi.org/10.1007/s10639-022-11536-0

Turkmenbayev, A., Abdykerimova, E., Nurgozhayev, S., Karabassova, G., & Baigozhanova, D. (2025). The application of machine learning in predicting student performance in university engineering programs: a rapid review. Frontiers in Education, 10(September), 1–14. https://doi.org/10.3389/feduc.2025.1562586

Zhang, Y., Yun, Y., An, R., Cui, J., Dai, H., & Shang, X. (2021). Educational Data Mining Techniques for Student Performance Prediction: Method Review and Comparison Analysis. Frontiers in Psychology, 12(December), 1–19. https://doi.org/10.3389/fpsyg.2021.698490

Downloads

Published

2026-10-24

How to Cite

Damanik, A., Batubara, M., Zalukhu, A. T., Gea , F. J. R., Marbun, A. Y., Lumbantobing, P. A. br., & Sabrina, E. (2026). Analisis Penerapan Machine Learning Berbasis Data Historis untuk Prediksi Hasil Belajar Siswa: Kajian Studi Literatur. Jurnal Penelitian Ilmu Pendidikan Indonesia, 5(3), 2210–2222. https://doi.org/10.31004/jpion.v5i3.1474

Issue

Section

Articles

Most read articles by the same author(s)