KLASIFIKASI PRIORITAS INTERVENSI SEKOLAH DASAR DI KABUPATEN MADIUN MENGGUNAKAN ALGORITMA RANDOM FOREST

Abstract

Kesenjangan dalam kualitas fasilitas dan mutu pembelajaran di sekolah dasar masih menghambat pemerataan layanan pendidikan. Kondisi ini memerlukan sistem pemetaan prioritas intervensi yang lebih objektif, terukur, dan dapat diandalkan sebagai dasar pengambilan keputusan. Penelitian ini bertujuan untuk membangun model klasifikasi tingkat prioritas intervensi sekolah dasar menggunakan algoritma Random Forest dan memanfaatkan data dari Dapodik pada tahun 2025. Tahap awal mencakup pembersihan dan transformasi data, yang meliputi mengubah variabel dari kategori menjadi nilai numerik dan membuat fitur baru seperti rasio siswa-guru, rata-rata jumlah siswa per kelas, kekurangan toilet, dan total fasilitas yang tersedia. Penetapan label prioritas didasarkan pada indikator kondisi fisik dan capaian kualitas sekolah. Ketidakseimbangan antar kelas diatasi dengan menerapkan teknik SMOTE. Model ini dibuat menggunakan pipeline yang mengintegrasikan normalisasi data dengan MinMaxScaler dan Random Forest. Sementara itu, interpretasi dan pemilihan fitur dilakukan dengan SHAP untuk memahami peran setiap fitur dalam prediksi. Hasil penelitian menunjukkan bahwa Random Forest dapat mengklasifikasikan tingkat prioritas dengan akurasi 0,90, nilai F1-macro 0,90, dan micro AUC 0,9818. Setelah dilakukan rekalibrasi, kinerjanya mengalami sedikit peningkatan, dengan akurasi 0,91, nilai F1-macro 0,91, dan micro AUC 0,9835. Temuan tersebut memperlihatkan bahwa Random Forest mampu memberikan klasifikasi prioritas yang akurat dan dapat mendukung pembuat kebijakan intervensi pendidikan yang lebih efektif dan terarah