Prediksi Kelulusan Siswa Pada MAN 3 Banda Aceh Menggunakan Model Random Forest Dan Xgboost

Penelitian ini bertujuan untuk membangun sistem prediksi kelulusan siswa di MAN 3 Banda Aceh menggunakan algoritma Random Forest dan Extreme Gradient Boosting (XGBoost). Data yang digunakan berupa nilai akademik siswa dari Semester 1 sampai Semester 4 yang kemudian diproses melalui tahapan pra- pemrosesan, pelatihan model, evaluasi, dan implementasi sistem. Hasil pengujian menunjukkan bahwa model XGBoost dan model Hybrid memiliki performa terbaik dengan tingkat akurasi tertinggi sebesar 94,74%, serta nilai precision, recall, dan F1-score yang lebih tinggi dibandingkan Random Forest, sehingga XGBoost dipilih sebagai model utama untuk diimplementasikan ke dalam sistem prediksi. Model tersebut kemudian diintegrasikan ke dalam aplikasi berbasis web menggunakan framework Streamlit dan dideploy pada Streamlit Community Cloud agar dapat diakses secara online oleh pihak sekolah. Sistem yang dibangun mampu menampilkan hasil prediksi kelulusan siswa, ringkasan statistik, serta menyediakan fitur unduh template Excel dan laporan PDF, sehingga dapat digunakan sebagai alat bantu pengambilan keputusan dan sistem peringatan dinibagi sekolah dalam mengidentifikasi siswa yang berpotensi tidak lulus lebih awal.