A Systematic Review of Random Forest and Logistic Regression Algorithms for Predicting Student Readiness in LSP-P1 Competency Certification at Vocational High Schools

Abstrak

Penentuan kesiapan siswa dalam mengikuti Sertifikasi Kompetensi LSP-P1 di SMK selama ini masih dilakukan secara manual dan cenderung subjektif, sehingga berisiko menghasilkan keputusan yang kurang akurat. Padahal, sejumlah penelitian telah menerapkan algoritma machine learning seperti Random Forest dan Logistic Regression untuk prediksi performa siswa, namun belum banyak yang berfokus pada konteks pendidikan vokasi dan sertifikasi kompetensi di Indonesia. Penelitian ini melakukan Systematic Literature Review (SLR) menggunakan panduan Kitchenham & Charters untuk mengidentifikasi tren, variabel prediktor, dan temuan utama dari penelitian sebelumnya. Hasil analisis menunjukkan bahwa kedua algoritma memiliki potensi untuk diimplementasikan pada prediksi kesiapan siswa mengikuti LSP-P1, namun belum ada penelitian yang secara spesifik mengkaji implementasinya dalam konteks SMK dan kebijakan vokasi nasional. Penelitian ini memberikan arah riset lanjutan dan peluang pengembangan sistem pendukung keputusan berbasis data.