Prediksi Performa Akademik Mahasiswa Berdasarkan Kebiasaan Gaming Menggunakan CatBoost Regressor
Keywords:
prediksi performa akademik, CatBoost Regressor, kebiasaan gaming, nilai mahasiswa, machine learningAbstract
Penelitian ini menyajikan pendekatan machine learning untuk memprediksi performa akademik mahasiswa berdasarkan kebiasaan bermain game dan faktor gaya hidup terkait menggunakan CatBoost Regressor. Penelitian ini menggunakan dataset Gaming vs Academic Performance yang terdiri atas 8.000 data dan 14 variabel yang merepresentasikan karakteristik mahasiswa, perilaku bermain game, kebiasaan belajar, durasi tidur, kehadiran, tingkat stres, dan nilai akademik. Dalam penelitian ini, nilai akademik digunakan sebagai variabel target, sedangkan prediktor yang dipilih meliputi jam belajar, jam bermain game, jam tidur, kehadiran, addiction score, dan tingkat stres yang telah dienkode. Tahap preprocessing meliputi standardisasi nama kolom, pembatasan nilai maksimum grades menjadi 100, serta pembentukan fitur rasio belajar terhadap bermain game untuk menangkap keseimbangan antara aktivitas akademik dan gaming. Optimasi hyperparameter dilakukan menggunakan Optuna, sedangkan performa model dievaluasi menggunakan 5-fold cross-validation dengan metrik Root Mean Square Error, Mean Absolute Error, dan R² score. Hasil eksperimen menunjukkan bahwa model yang diusulkan mencapai rata-rata RMSE sebesar 5,5145, MAE sebesar 4,3139, dan nilai R² sebesar 0,9384, yang menunjukkan akurasi prediksi yang tinggi serta kemampuan penjelasan model yang kuat. Temuan ini menunjukkan bahwa variabel terkait gaming dan gaya hidup akademik memiliki kontribusi yang bermakna dalam prediksi nilai mahasiswa, serta menegaskan bahwa CatBoost Regressor efektif untuk tugas prediksi performa akademik pada konteks ini.
References
[1] Alalawi, K., Athauda, R., & Chiong, R. (2023). Contextualizing the current state of research on the use of machine learning for student performance prediction: A systematic literature review. Engineering Reports, 5(12), e12699.
[2] Alsariera, Y. A., Baashar, Y., Alkawsi, G., Mustafa, A., Alkahtani, A. A., & Ali, N. A. (2022). Assessment and evaluation of different machine learning algorithms for predicting student performance. Computational intelligence and neuroscience, 2022(1), 4151487.
[3] Roslan, M. B., & Chen, C. (2022). Educational data mining for student performance prediction: A systematic literature review (2015-2021). International Journal of Emerging Technologies in Learning (iJET), 17(5), 147-179.
[4] Tjandra, E., Kusumawardani, S. S., & Ferdiana, R. (2022, April). Student performance prediction in higher education: A comprehensive review. In AIP conference proceedings (Vol. 2470, No. 1, p. 050005). AIP Publishing LLC.
[5] Romero, C., & Ventura, S. (2020). Educational data mining and learning analytics: An updated survey. Wiley interdisciplinary reviews: Data mining and knowledge discovery, 10(3), e1355.
[6] Prokhorenkova, L., Gusev, G., Vorobev, A., Dorogush, A. V., & Gulin, A. (2018). CatBoost: unbiased boosting with categorical features. Advances in neural information processing systems, 31.
[7] Akiba, T., Sano, S., Yanase, T., Ohta, T., & Koyama, M. (2019, July). Optuna: A next-generation hyperparameter optimization framework. In Proceedings of the 25th ACM SIGKDD international conference on knowledge discovery & data mining (pp. 2623-2631).
[8] Chaka, C. (2021). Educational data mining, student academic performance prediction, prediction methods, algorithms and tools: An overview of reviews.
[9] Halbrook, Y. J., O’Donnell, A. T., & Msetfi, R. M. (2019). When and how video games can be good: A review of the positive effects of video games on well-being. Perspectives on Psychological Science, 14(6), 1096-1104.
[10] Burgess, S. R., Stermer, S. P., & Burgess, M. C. (2012). Video game playing and academic performance in college students. College Student Journal, 46(2), 376-388.
[11] Fan, Z., Gou, J., & Weng, S. (2025). Complementary CatBoost based on residual error for student performance prediction. Pattern Recognition, 161, 111265.
[12] Alzahrani, A. K. D., & Griffiths, M. D. (2025). Problematic gaming and students’ academic performance: A systematic review. International Journal of Mental Health and Addiction, 23(5), 4062-4095.
