Ramalan Prestasi Akhir Pelajar Melalui Kaedah Perlombongan Data [Student Final Performance Forecasting Through Data Mining Methods]

Abstract

Cabaran besar yang dihadapi oleh pensyarah dalam merancang dan melaksanakan pengajaran
dan pembelajaran (PdP) berkesan adalah mengenal pasti pelajar yang berprestasi lemah pada
peringkat lebih awal sebelum mereka bergraduat. Bagi menyahut cabaran ini, kajian ini
dibangunkan bertujuan untuk meramal prestasi pelajar yang menyambung pengajian di Kolej
Komuniti Kuala Langat berdasarkan keputusan kemasukan Sijil Pelajaran Malaysia (SPM)
dengan menggunakan kaedah perlombongan data melalui teknik pengklasifikasian. Empat (4)
algoritma pengklasifikasian telah digunakan untuk membina model ramalan keputusan akhir
peperiksaan melalui Himpunan Purata Nilaian Mata (HPNM) iaitu (1) Pepohon Keputusan
(J48), Multilayer Perceptron (MP), Hutan Rawak (RF) dan ZeroR. Set data yang digunakan di
dalam kajian ini diperolehi daripada Sistem ePelajar dan Integrated Student Evaluation
Management System (iSEMS), Jabatan Pengajian Politeknik dan Kolej Komuniti (JPPKK).
Keputusan kajian menunjukkan bahawa model pengklasifikasian J48 adalah model terbaik
dengan nilai ketepatan 56.56% diikuti oleh algoritma ZeroR dan RF, kedua-dua dengan nilai
ketepatan 50.67%. Manakala algoritma MP memperolehi ketepatan terendah dengan peratusan
44.34% sahaja. Selain daripada itu, didapati mata pelajaran Bahasa Melayu (BM) dan Sejarah
(SJ) mempunyai pengaruh terhadap pengelasan status HPNM pelajar. Seramai 49/76 orang
pelajar telah dikenal pasti mempunyai kebarangkalian HPNM yang rendah di semester akhir.
Kajian ini boleh membantu institusi dalam mengenal pasti dari semester awal pelajar yang
diramalkan berprestasi rendah supaya program bersasar boleh dianjurkan untuk melonjakkan
prestasi pelajar.