Optimasi Model Prediksi Hasil Belajar Siswa dalam Pembelajaran IPA Berbasis Media Sosial Menggunakan XGBoost dan Bayesian Optimization

Abstract

Penelitian ini memiliki tujuan untuk menciptakan model yang dapat memprediksi hasil belajar siswa dengan memanfaatkan teknik Extreme Gradient Boosting (XGBoost) yang dioptimalkan menggunakan Bayesian Optimization. Penelitian ini terfokus pada pembelajaran Ilmu Pengetahuan Alam (IPA) melalui media sosial, dan efektivitasnya diukur dengan membandingkan hasil pre-test, kuis, dan post-test. Data dalam penelitian ini diperoleh dari 30 siswa SMP yang berperan sebagai responden, dengan variabel input berupa nilai pre-test dan kuis, sementara variabel outputnya adalah nilai post-test. Tahapan dalam penelitian ini meliputi pra-pemrosesan data, yang mencakup penanganan nilai yang hilang dengan metode imputasi rata-rata, pembagian data menjadi set pelatihan dan set pengujian dengan rasio 80:20, pelatihan model XGBoost, optimasi hyperparameter melalui Bayesian Optimization, dan evaluasi model menggunakan metrik MAE (Mean Absolute Error), RMSE (Root Mean Square Error), dan R² (Coefficient of Determination).