ANALISIS PERBANDINGAN AKURASI KLASIFIKASI KEPUASAN SISWA TERHADAP KINERJA GURU MENGGUNAKAN ALGORITMA SVM, C4.5 DAN RANDOM FOREST

Abstract

Penelitian ini bertujuan membandingkan akurasi dan performa tiga algoritma klasifikasi, yaitu SVM (Support Vector Machine), C4.5, dan Random Forest, dalam mengklasifikasikan tingkat kepuasan siswa terhadap kinerja guru di MA Miftahussalam Demak. Data diperoleh dari kuesioner siswa dengan atribut seperti penguasaan materi, penjelasan materi, disiplin waktu, kepedulian, dan komunikasi. Preprocessing dilakukan dengan metode one-hot encoding dan normalisasi, serta evaluasi model menggunakan 10-fold cross-validation. Hasil menunjukkan bahwa SVM mencapai akurasi tertinggi sebesar 98,30%, diikuti oleh C4.5 sebesar 96,61%, dan Random Forest sebesar 95,76%. Uji ANOVA membuktikan perbedaan signifikan antar algoritma (p < 0,05), yang menandakan bahwa setidaknya satu algoritma memiliki performa yang berbeda secara statistik. Penelitian menyimpulkan bahwa SVM merupakan algoritma paling efektif untuk data ini, dengan rekomendasi penelitian lanjutan menguji algoritma ensemble dan dataset lebih besar.

Kata Kunci: SVM, C4.5, Random Forest, Klasifikasi, Kepuasan Siswa, Cross-validation.