Analisis Penerapan Machine Learning Berbasis Data Historis untuk Prediksi Hasil Belajar Siswa: Kajian Studi Literatur
DOI:
https://doi.org/10.31004/jpion.v5i3.1474Kata Kunci:
Machine Learning, Data Historis, Prediksi Hasil Belajar, Early Warning SystemAbstrak
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.
Referensi
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
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Andreas Damanik, Mikhael Batubara, Ariel Trifandi Zalukhu, Fransiskus Jul Rikar Gea , Afnel Yoniva Marbun, Putri Adelia br. Lumbantobing, Elsa Sabrina

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.















