Analisis optimasi multi-objektif prestasi mahasiswa dengan algoritma NSGA-II

Penulis

  • Apriatur Rochman Teknik Informatika, Fakultas Teknik, Universitas PGRI Ronggolawe, Tuban, 62391, Indonesia
  • Andik Adi Suryanto Teknik Informatika, Fakultas Teknik, Universitas PGRI Ronggolawe, Tuban, 62391, Indonesia
  • Suprapto Teknik Informatika, Fakultas Teknik, Universitas PGRI Ronggolawe, Tuban

DOI:

https://doi.org/10.32815/jitika.v19i2.1201

Kata Kunci:

ketidakhadiran, nsga-ii, optimasi multi-objektif, penambangan data pendidikan, prestasi mahasiswa

Abstrak

Studi ini menganalisis penerapan Non-dominated Sorting Genetic Algorithm II (NSGA-II) untuk mengoptimalkan beberapa tujuan yang saling bertentangan terkait kinerja akademis siswa. Menggunakan dataset Kinerja Siswa dari Repositori UCI, yang berisi informasi demografis, perilaku, dan akademis dari 395 siswa sekolah menengah, penelitian ini bertujuan untuk memaksimalkan nilai akhir (G3), meminimalkan absensi, dan memaksimalkan waktu belajar. Studi dimulai dengan analisis data eksploratif, yang mengungkapkan variabilitas yang luas dalam hasil akademis, rata-rata absensi yang rendah, dan waktu belajar yang sedang, yang membenarkan pemilihan ketiga tujuan ini. NSGA-II kemudian diimplementasikan dengan populasi 100 individu selama 200 generasi, menggunakan operator pindah silang dan mutasi untuk menghasilkan solusi Pareto-optimal. Hasilnya menunjukkan beragam solusi non-dominasi, yang mengilustrasikan pertukaran antara prestasi akademis, kehadiran, dan waktu belajar. Absensi muncul sebagai faktor negatif yang paling signifikan, sementara waktu belajar dan dukungan sekolah berasosiasi positif dengan hasil yang lebih baik. Berbeda dengan metode regresi atau klasifikasi konvensional yang menghasilkan prediksi optimal tunggal, NSGA-II menyediakan spektrum alternatif optimal, yang menawarkan fleksibilitas dalam pembuatan kebijakan dan pengambilan keputusan. Temuan ini menyoroti relevansi optimasi multi-objektif dalam pendidikan dan menekankan pentingnya mengintegrasikan dimensi perilaku, sosial, dan digital untuk merancang strategi adaptif guna meningkatkan kinerja siswa.

Unduhan

Data unduhan belum tersedia.

Referensi

Adeyanju, T. M., Aziz, A. A., & Safei, S. (2025). A Comparative Analysis of Classification Algorithms on Student Academic Performance. Semarak International Journal of Machine Learning, 5(1), 74–86. https://doi.org/10.37934/sijml.5.1.7486a

Cortez, P., & Silva, A. M. G. (2008). Using Data Mining to Predict Secondary School Student Performance. Proc. 5th Annual Future Business Technology Conference, 5–12. https://archive.ics.uci.edu/ml/datasets/Student+Performance

Deb, K., Pratap, A., Agarwal, S., & Meyarivan, T. (2002). A Fast and Elitist Multiobjective Genetic Algorithm: NSGA-II. Ieee Transactions on Evolutionary Computation, 6(2), 182–197. https://doi.org/10.1109/4235.996017

Feng, X., & Liu, H. (2024). I Feel Blue– Teacher, Can You Help Me? A Study on the Effect of Digital Literacies on Language Learners’ Technostress, on-Line Engagement, Autonomy, and Academic Success. BMC Psychology, 12(1). https://doi.org/10.1186/s40359-024-01637-5

Gu, T., Xu, G., & Luo, J. (2020). Sentiment analysis via deep multichannel neural networks with variational information bottleneck. IEEE Access, 8, 121014–121021. https://doi.org/10.1109/access.2020.3006569

Hasan, M., Azizah, N., Nurjannah, N., Nurdiana, N., & Arisah, N. (2022). Pengembangan Pembelajaran Kecakapan Hidup Berbasis Karakter Kewirausahaan Pada Jenjang Sekolah Dasar. Jurnal Basicedu, 6(3), 4299–4309. https://doi.org/10.31004/basicedu.v6i3.2791

Hasni, N. I., Supriatun, E., & Toruan, S. A. L. (2023). Pelatihan Manajemen Stress Pada Remaja Dalam Menghadapi Permasalahan Akademik Di Sman 1 Sliyeg Kabupaten Indramayu. Jurnal Pengabdian Kepada Masyarakat (Nadimas), 2(1), 49–60. https://doi.org/10.31884/nadimas.v2i1.21

Hayati, N. (2019). Hubungan Keterampilan Berpikir Kritis Dengan Kemampuan Akademik Mahasiswa. Jurnal Biologi Dan Pembelajarannya (Jb&p), 6(2), 7–11. https://doi.org/10.29407/jbp.v6i2.14792

Indriana, D., Widowati, A. I., & Surjawati, S. (2017). Faktor-Faktor Yang Mempengaruhi Prestasi Akademik: Studi Kasus Pada Mahasiswa Program Studi Akuntansi Universitas Semarang. Jurnal Dinamika Sosial Budaya, 18(1), 39–48. https://doi.org/10.26623/jdsb.v18i1.557

João Thiago de G. A. A. Campos, Ferreira, A. M. S., & Freires, F. G. M. (2021). Time Variability Management and Trade-Off Analysis of Quality, Productivity, and Maintenance Efficiency. Brazilian Journal of Operations & Production Management, 18(4), 1–19. https://doi.org/10.14488/bjopm.2021.018

Khoirurroziqin, F. R., & Rafsanjani, M. A. (2020). Pengaruh Sosial Ekonomi Orang Tua Terhadap Indeks Prestasi Mahasiswa Jurusan Pendidikan Ekonomi Universitas Negeri Surabaya. Jurnal Pendidikan Ekonomi (Jupe), 8(3), 80–85. https://doi.org/10.26740/jupe.v8n3.p80-85

Laratmase, A. J., Mahendika, D., & Ratna Ayu Pawestri Kusuma Dewi. (2023). Peran Kecerdasan Emosional, Persepsi Stres Dan Orientasi Tujuan Pada Prestasi Akademik Mahasiswa Di Bogor. Jurnal Psikologi Dan Konseling West Science, 1(02), 64–75. https://doi.org/10.58812/jpkws.v1i02.259

Ma, H., Zhang, Y., Sun, S., Liu, T., & Shan, Y. (2023). A comprehensive survey on NSGA-II for multi-objective optimization and applications. Artificial Intelligence Review, 56(12), 15217–15270. https://doi.org/10.1007/s10462-023-10526-z

Marjuki, M., Hanif, Muh., & Siminto, S. (2024). The Role of Social Support in Enhancing Motivation and Psychological Well-Being of Students: Perspectives From Education in the Digital Era. Indo-Mathedu Intellectuals Journal, 5(2), 1974–1987. https://doi.org/10.54373/imeij.v5i2.1003

McLean, L., Gaul, D., & Penco, R. (2022). Perceived Social Support and Stress: A Study of 1st Year Students in Ireland. International Journal of Mental Health and Addiction, 21(4), 2101–2121. https://doi.org/10.1007/s11469-021-00710-z

Nguyen, N. T., Nguyen, A., & Nahavandi, S. (2020). Multi-objective optimization using NSGA-II and decision tree for predicting student performance. 2020 International Conference on Data Science and Advanced Analytics (DSAA), 410–417. https://doi.org/10.1109/DSAA49011.2020.00060

Prasetiyo, A. Y., Satria, G., & Sukardi, S. (2023). Peran Knowledge Acquisition Terhadap Career Awareness Dan Academic Performance Pada Siswa Vokasi Perkeretaapian. Serat Acitya, 12(2), 178–187. https://doi.org/10.56444/sa.v12i2.1095

Puspitarini, N. A., Kumboyono, K., & Hayati, Y. S. (2023). Factors Influencing Family Support for Education Patterns in School-Age Children. Jurnal Aisyah Jurnal Ilmu Kesehatan, 8(1). https://doi.org/10.30604/jika.v8i1.1554

Rahmadi, I. F., & Hayati, E. (2020). Literasi Digital, Massive Open Online Courses, Dan Kecakapan Belajar Abad 21 Mahasiswa Generasi Milenial. Jurnal Studi Komunikasi Dan Media, 24(1), 91. https://doi.org/10.31445/jskm.2020.2486

Rahmah, S. A., Dermawan, D., & Amalia, A. (2024). Pengaruh Disiplin Belajar Terhadap Prestasi Belajar Kewirausahaan Siswa Kelas Xi Di SMK Pembangunan Nasional. Jpgenus, 2(2), 342–351. https://doi.org/10.61787/34tks238

Setiawati, O. R., Alamsyah, R. T., Sani, N., & Anggraini, M. (2022). Hubungan Stres Akademik Dengan Motivasi Belajar Pada Mahasiswa Fakultas Kedokteran Universitas Malahayati Angkatan 2019. Jurnal Kesehatan Tambusai, 3(2), 26–33. https://doi.org/10.31004/jkt.v3i2.4121

Sharif, M., & Uckelmann, D. (2024). Multi-Modal LA in Personalized Education Using Deep Reinforcement Learning Based Approach. IEEE Access, 12, 54049–54065. https://doi.org/10.1109/ACCESS.2024.3388474

Soni, R. B., Singh, D., & Sharma, K. C. (2024). Optimization of Problems With Multi-Objective Functions and Their Applications in Engineering. Journal of Electronics Computer Networking and Applied Mathematics, 43, 18–33. https://doi.org/10.55529/jecnam.43.18.33

Suprihatin, T., & Setiowati, E. A. (2021). Dukungan Komunitas Belajar Dan Ketekunan Akademik Pada Mahasiswa. Psychopolytan Jurnal Psikologi, 5(1), 20–25. https://doi.org/10.36341/psi.v5i1.1713

Yadav, S. K., & Pal, S. (2012). Data Mining: A Prediction for Performance Improvement using Classification. International Journal of Computer Science and Information Security (IJCSIS), 10(4), 136–140.

Zafra, A., & Ventura, S. (2011). Predicting student grades in learning management systems with multiple instance genetic programming. Educational Data Mining, 3(1), 1–17.

Zhang, L., Ge, H., Ma, Y., Xue, J., Huang, L., & Pecht, M. (2020). Multi-Objective Optimization Design of a Notch Filter Based on Improved NSGA-II for Conducted Emissions. Ieee Access, 8, 83213–83223. https://doi.org/10.1109/access.2020.2991576

Zheng, W., & Doerr, B. (2024). Runtime Analysis for the NSGA-II: Proving, Quantifying, and Explaining the Inefficiency for Many Objectives. Ieee Transactions on Evolutionary Computation, 28(5), 1442–1454. https://doi.org/10.1109/tevc.2023.3320278

Diterbitkan

2025-10-02

Cara Mengutip

Rochman, A., Suryanto, A. A., & Suprapto. (2025). Analisis optimasi multi-objektif prestasi mahasiswa dengan algoritma NSGA-II. Jurnal Ilmiah Teknologi Informasi Asia, 19(2), 122–127. https://doi.org/10.32815/jitika.v19i2.1201