Analisis Kejelasan Tujuan Pendidikan Remaja Berbasis Machine Learning dan Data Digital Psikometrik

Abstrak

Penelitian ini bertujuan untuk menganalisis kejelasan tujuan pendidikan remaja berdasarkan integrasi data psikometrik dan aktivitas digital menggunakan pendekatan machine learning. Permasalahan utama dalam penelitian ini adalah belum optimalnya pemanfaatan data digital dan psikologis untuk memahami karakteristik tujuan pendidikan remaja. Metodologi yang digunakan meliputi preprocessing data, analisis clustering menggunakan algoritma K-Means untuk mengidentifikasi pola tersembunyi, serta klasifikasi menggunakan Logistic Regression dan Decision Tree untuk membangun model prediksi. Hasil penelitian menunjukkan bahwa data responden terbagi menjadi tiga kelompok utama, yaitu rendah, sedang, dan tinggi, yang mencerminkan tingkat keterlibatan digital dan kejelasan tujuan pendidikan. Dengan pembagian data 80:20, menunjukkan bahwa pada data test (20%), model Logistic Regression menghasilkan performa terbaik dengan akurasi sebesar 0.95 dan ROC-AUC sebesar 0.996, sedangkan Decision Tree memberikan interpretasi pola yang lebih mudah dipahami dengan akurasi sebesar 0.80. Variabel yang paling berpengaruh meliputi frekuensi pencarian informasi, durasi akses konten edukasi, dan hasil clustering. Kesimpulan penelitian ini menunjukkan bahwa perilaku digital yang produktif berkontribusi signifikan terhadap kejelasan tujuan pendidikan remaja, serta pendekatan hybrid machine learning efektif dalam menggabungkan analisis pola dan prediksi.