PERBANDINGAN KINERJA MODEL MACHINE LEARNING UNTUK PREDIKSI RISIKO PUTUS SEKOLAH TINGKAT PROVINSI DI INDONESIA DAN INTERPRETASI FITUR DENGAN SHAP

Abstract

Angka putus sekolah di indonesia masih menjadi salah satu permasalahan pendidikan yang perlu mendapat perhatian karena terdapat perbedaan kondisi pendidikan antar provinsi yang dipengaruhi oleh berbagai faktor, seperti kualitas sumber daya manusia, jumlah siswa, serta kondisi sarana dan prasarana sekolah. Penelitian ini bertujuan untuk membandingkan kinerja beberapa algoritma machine learning dalam memprediksi risiko putus sekolah tingkat provinsi di indonesia dan mengidentifikasi faktor-faktor yang paling berpengaruh menggunakan metode shapley additive explanations (shap). Data yang digunakan merupakan data sekunder pendidikan sekolah dasar tahun 2023–2024 yang bersumber dari kementerian pendidikan, kebudayaan, riset, dan teknologi republik indonesia dan diperoleh melalui platform kaggle. Dataset mencakup 39 provinsi dengan 12 variabel prediktor yang meliputi jumlah siswa mengulang, jumlah rombongan belajar, jumlah kepala sekolah dan guru berdasarkan kualifikasi pendidikan, jumlah tenaga kependidikan, jumlah siswa, jumlah sekolah, serta kondisi ruang kelas. Tahapan penelitian meliputi preprocessing data, pembentukan kelas risiko putus sekolah, pembagian data menggunakan rasio 80:20, serta pelatihan empat Model Machine Learning, yaitu random forest, decision tree, naive bayes, dan logistic regression. Hasil pengujian menunjukkan bahwa random forest menghasilkan performa terbaik dengan Accuracy, Precision, Recall, dan F1-Score masing-masing sebesar 1.0000, diikuti oleh naive bayes dengan Accuracy sebesar 0.8750 dan F1-Score sebesar 0.8571, sedangkan decision tree dan logistic regression memperoleh Accuracy sebesar 0.7500 dan F1-Score sebesar 0.7500. Hasil analisis roc curve menunjukkan bahwa random forest dan naive bayes menghasilkan nilai auc sebesar 1.00, sedangkan decision tree dan logistic regression memperoleh nilai auc sebesar 0.75. Uji mcNemar menunjukkan bahwa tidak terdapat perbedaan performa yang signifikan secara statistik antar model yang dibandingkan. Analisis shap menunjukkan bahwa variabel mengulang, rombongan belajar, kepala sekolah dan guru (<s1), serta kepala sekolah dan guru (≥s1) merupakan faktor yang paling berpengaruh terhadap prediksi risiko putus sekolah. Hasil penelitian ini menunjukkan bahwa machine learning dapat dimanfaatkan sebagai alat bantu untuk mengidentifikasi risiko putus sekolah serta memberikan informasi mengenai faktor-faktor yang perlu menjadi perhatian dalam penyusunan kebijakan pendidikan berbasis data.