FINAL GRADE PREDICTION MODEL BASED ON STUDENT'S ALCOHOL CONSUMPTION
Abstract
Untuk mengetahui pengaruh konsumsi alcohol dan dan beberapa faktor lainnya yang diperkirakan memiliki peran terhadap tingkat kinerja belajar remaja yang masih bersekolah, maka saat ini dilakukan penelitian terhadap data publik yang telah didapatkan dengan menggunakan teknik machine learning dengan melatih beberapa model untuk memprediksi nilai akhir sebagai acuan kinerja belajar pelajar. Dengan melatih beberapa model machine learning untuk memprediksi nilai tahun akhir dari bahasa portugal dengan melakukan metode komparatif membandingkan model Support Vector Regressor (SVR) dan Random Forest (RF) sehingga akan didapatkan model terbaik untuk memprediksi. Semua model memiliki hyperparameter yang harus disesuaikan. Untuk menyetel hyperparameter ini menggunakan menggunakan Cross Validation. Model terbaik untuk memprediksi nilai akhir G3 adalah Support Vector Regressor (SVR) dan Random Forest (RF), dan memiliki mean absolute error (MAE) masing-masing sekitar 2,24 dan 2,25. Melalui plot MAE, model SVR dan RF bekerja dengan baik. Tetapi, Dengan menganalisis distribusi kesalahan yang dibuat oleh kedua model, dapat disimpulkan bahwa SVR lebih seimbang, yaitu memiliki rasio yang lebih baik antara nilai yang diremehkan dan ditaksir terlalu tinggi, sementara RF berkinerja lebih baik pada outlier.
Copyright (c) 2022 rangga ramadhan saelan
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
The copyright of any article in the TECHNO Nusa Mandiri Journal is fully held by the author under the Creative Commons CC BY-NC license.
- The copyright in each article belongs to the author.
- Authors retain all their rights to published works, not limited to the rights set out on this page.
- The author acknowledges that Techno Nusa Mandiri: Journal of Computing and Information Technology (TECHNO Nusa Mandiri) is the first to publish with a Creative Commons Attribution 4.0 International license (CC BY-NC).
- Authors can enter articles separately, manage non-exclusive distribution, from manuscripts that have been published in this journal into another version (for example: sent to author affiliation respository, publication into books, etc.), by acknowledging that the manuscript was published for the first time in Techno Nusa Mandiri: Journal of Computing and Information Technology (TECHNO Nusa Mandiri);
- The author guarantees that the original article, written by the stated author, has never been published before, does not contain any statements that violate the law, does not violate the rights of others, is subject to the copyright which is exclusively held by the author.
- If an article was prepared jointly by more than one author, each author submitting the manuscript warrants that he has been authorized by all co-authors to agree to copyright and license notices (agreements) on their behalf, and agrees to notify the co-authors of the terms of this policy. Techno Nusa Mandiri: Journal of Computing and Information Technology (TECHNO Nusa Mandiri) will not be held responsible for anything that may have occurred due to the author's internal disputes.