Klasifikasi Kelayakan Sekolah Dalam Penyelenggaraan Asesmen Nasional Berbasis Komputer Menggunakan Machine Learning

• NUANSA PUJANGGA PUTRA
• 2025

---

Transformasi digital dalam pendidikan mendorong penerapan Asesmen Nasional Berbasis Komputer
(ANBK) sebagai pengganti ujian nasional. Namun, banyak sekolah menghadapi kendala dalam
infrastruktur teknologi, kesiapan sumber daya manusia, dan manajemen, terutama di daerah terpencil.
Penelitian ini bertujuan untuk menganalisis kelayakan sekolah dalam menyelenggarakan ANBK
menggunakan metode Support Vector Machine (SVM) yang dioptimalkan dengan Particle Swarm
Optimization (PSO). Data dikumpulkan melalui survei dan observasi, kemudian diproses dengan
pembersihan data, transformasi fitur, serta pembagian data latih dan uji. Model SVM dioptimalkan
dengan PSO untuk meningkatkan akurasi klasifikasi. Hasil penelitian menunjukkan akurasi 94.59%,
dengan presisi kelas "Layak" 100% dan kelas "Tidak Layak" 42.86%. Recall kelas "Layak" mencapai
94.37%, sementara kelas "Tidak Layak" 100%, menunjukkan kemampuan model dalam mengenali
sekolah yang tidak layak. Meskipun akurasi tinggi, ketidakseimbangan presisi menunjukkan perlunya
penyesuaian parameter dan optimasi fitur.

• anbk
• kelayakan sekolah
• machine learning
• particle swarm optimization
• support vector machine

https://repository.bsi.ac.id/repo/61595/Klasifikasi-Kelayakan-Sekolah-Dalam-Penyelenggaraan-Asesmen-Nasional-Berbasis-Komputer-Menggunakan-Machine-Learning
Anda dapat membaca file tugas akhir ini di repository.