KLASIFIKASI TINGKAT RISIKO PUTUS SEKOLAH SISWA MENGGUNAKAN LOGIKA FUZZY MAMDANI BERDASARKAN FAKTOR NON-AKADEMIK

Muhammad Nurihwan Maulana; Ade Irma Purnamasari; Denni Pratama; Tati Suprapti

Authors

Muhammad Nurihwan Maulana STMIK IKMI Cirebon, Indonesia
Ade Irma Purnamasari STMIK IKMI Cirebon, Indonesia
Denni Pratama STMIK IKMI Cirebon, Indonesia
Tati Suprapti STMIK IKMI Cirebon, Indonesia

Keywords:

Logika Fuzzy Mamdani, Klasifikasi, Putus Sekolah

Abstract

Fenomena putus sekolah di Indonesia, khususnya di Yayasan Al-Shighor Pangenan, merupakan isu multidimensi yang dipengaruhi secara signifikan oleh faktor non-akademik. Pihak sekolah seringkali menghadapi kendala dalam melakukan deteksi dini yang akurat karena variabel kunci seperti jarak tempuh, perilaku siswa, tingkat kehadiran, dan kondisi ekonomi keluarga bersifat linguistik, subjektif, dan penuh ketidakpastian (fuzzy). Data yang bersifat "abu-abu" ini sulit diukur secara presisi menggunakan metode statistik konvensional, sehingga seringkali mengakibatkan keterlambatan dalam penanganan siswa rentan. Penelitian ini bertujuan merancang dan mengimplementasikan Sistem Pendukung Keputusan (SPK) untuk mengklasifikasikan tingkat risiko putus sekolah siswa menggunakan metode Sistem Inferensi Fuzzy (FIS) Mamdani. Sistem ini berfungsi sebagai Sistem Pakar (Expert System) yang mengolah empat variabel input non-akademik tersebut berdasarkan basis pengetahuan yang kuat. "Otak" dari sistem ini dibangun dari 81 aturan (Rule Base) IF-THEN yang dikembangkan secara manual melalui proses akuisisi pengetahuan mendalam dari pakar, yaitu Guru Bimbingan Konseling. Proses inferensi menggunakan fungsi implikasi MIN, sedangkan defuzifikasi menggunakan metode Centroid (Center of Gravity) untuk menghasilkan skor risiko yang tegas. Model ini diuji coba secara komprehensif pada dataset yang mencakup 559 siswa di lingkungan yayasan. Hasil penelitian menunjukkan temuan yang signifikan dan mendesak: mayoritas populasi siswa, yaitu sebanyak 308 siswa (55,1%), teridentifikasi berada dalam kategori Risiko Sedang. Temuan yang lebih krusial adalah besarnya kelompok Risiko Tinggi yang mencapai 240 siswa (42,9%), sementara hanya sebagian kecil, yaitu 11 siswa (2,0%), yang berada di kategori Risiko Rendah. Dominasi kategori risiko sedang dan tinggi ini mengindikasikan adanya kerentanan sistemik pada faktor non-akademik siswa yang memerlukan perhatian serius. Sistem ini terbukti valid dan dapat digunakan sebagai alat deteksi dini objektif bagi sekolah untuk menentukan prioritas intervensi dan strategi pencegahan yang lebih efektif

References

Amalia, S., Andari, R., & Syukriansyah, R. (2020). Studi Pemodelan Sistem Pengontrolan Suhu Ruangan Berbasis Logika Fuzzy Sugeno. Jurnal Sains Dan Teknologi: Jurnal Keilmuan Dan Aplikasi Teknologi Industri, 20(2), 175. https://doi.org/10.36275/stsp.v20i2.287

Anggraeni, Indarto, Kusumadewi, 2004 dalam Wahyuni, I. (2021). Logika Fuzzy Tahani (Teori dan Implementasi). In Komojoyo Press (Anggota IKAPI).

Annatasia, K., & Pita, M. (2024). Penggunaan Metode Logika Fuzzy Mamdani untuk Menentukan Potensi Bakat dan Keterampilan Siswa. JUKI : Jurnal Komputer Dan Informatika, 6(2), 138–145.

Aristin, N. F. (2015). Faktor-Faktor yang Berpengaruh terhadap Anak Putus Sekolah Tingkat Sekolah Menengah Pertama (SMP) di Kecamatan Bondowoso. Jurnal Pendidikan Geografi, 20(1), 30–36. https://doi.org/10.17977/um017v20i12015p030

Arsita, E., & Ilyas, M. (2022). Jurnal Pendidikan Sosial Keberagaman ANAK PUTUS SEKOLAH (STUDI DI MASYARAKAT DESA SETELUK KABUPATEN SUMBAWA BARAT). Jurnal Pendidikan Sosial Keberagaman, 9(1), 43–48. https://juridiksiam.unram.ac.id/index.php/juridiksiam

Bammou, Y., Benzougagh, B., Igmoullan, B., Ouallali, A., Kader, S., Spalevic, V., Sestras, P., Billi, P., & Marković, S. B. (2024). Optimizing flood susceptibility assessment in semi-arid regions using ensemble algorithms: a case study of Moroccan High Atlas. Natural Hazards, 120(8), 7787–7816. https://doi.org/10.1007/s11069-024-06550-z

Cakrawala, J., Afifah, N. A., Arwan, S., & Ejung, M. A. (2025). Penerapan Algoritma Decision Tree untuk Klasifikasi Rendahnya Prestasi Siswa Application of Decision Tree Algorithm for Classifying Low Student Academic Performance. 1(1), 13–17.

Dalimunthe, J. S., Studi, P., Informasi, S., Sains, F., Teknologi, D. A. N., & Labuhanbatu, U. (2025). PREDIKSI TINGKAT KELULUSAN SISWA MENGGUNAKAN ALGORITMA NAIVE BAYES BERDASARKAN DATA AKADEMIK DAN NON AKADEMIK ( STUDI KASUS : SMA NEGERI 1 RANTAU UTARA ).

Derivansyah, D. R., Ayu, M., Sudrajat, A., Min, J. L., Hutahaean, J., & Kunci, K. (2025). Model Konseptual Sistem Pendukung Evaluasi Pembelajaran Berbasis Proyek dengan Integrasi Educational Data Mining dan Learning Analytics. 27–33.

Diana Novita Sari, & Sugeng Pradikto. (2025). Pengaruh Pendidikan Orang Tua, Status Ekonomi dan Angka Putus Sekolah terhadap Keputusan Menikah Dini di Desa Pamatan Tongas Probolinggo. Realisasi : Ilmu Pendidikan, Seni Rupa Dan Desain, 2(3), 219–228. https://doi.org/10.62383/realisasi.v2i3.882

Ekawati, N., & Jannati, E. F. (2022). Memilih Sekolah Dasar Untuk Anak Menggunakan Fuzzy Logic Metode Mamdani. EScience Humanity Journal, 2(2), 113–124. https://doi.org/10.37296/esci.v2i2.42

Ermillian, A., & Nugroho, K. (2024). Perancangan Model Deteksi Potensi Siswa Putus Sekolah Menggunakan Metode Logistic Regression Dan Decision Tree. Jurnal Informatika: Jurnal Pengembangan IT, 9(3), 281–295. https://doi.org/10.30591/jpit.v9i3.8007

Faozi, K. (2022). Optimasi Algoritma C4. 5 dengan Fuzzy Inference System Mamdani dalam Memprediksi Mahasiswa Berpotensi Dropout. Scientia Sacra: Jurnal Sains, Teknologi Dan …, 2(3), 272–280. http://pijarpemikiran.com/index.php/Scientia/article/view/238%0Ahttp://pijarpemikiran.com/index.php/Scientia/article/download/238/217

Fitriana, S., Riniyanty, Laila, R., Pratama, S. anggun, & Lamasitudju, C. ar. (2024). Prediksi Siswa Putus Sekolah Dan Keberhasilan Akademik Menggunakan Machine Learning. The Indonesian Journal of Computer Science, 13(6), 10207–10220. https://doi.org/10.33022/ijcs.v13i6.4453

Hakim, A. (2020). Faktor Penyebab Anak Putus Sekolah. Jurnal Pendidikan, 21(2), 122–132. https://doi.org/10.33830/jp.v21i2.907.2020

Hamdi Rudji. (2023). Analisis Kondisi Demografi, Ekonomi dan Lingkungan pada Anak Putus Sekolah di Kecamatan Banawa Kabupaten Donggala (Studi Kasus Jenjang Pendidikan Sekolah Menengah Pertama). Jurnal Kolaboratif Sains, 6(6), 519–526. https://doi.org/10.56338/jks.v6i6.3672

Haura Hanifah. (2025). Landasan Teori Penelitian Releven. Formatif: Jurnal Ilmiah Pendidikan, 3(April), 391–404. http://ejournal.yayasanpendidikandzurriyatulquran.id/index.php/ihsan

Irma Julita, Nurfarhanah, & Zadrian Ardi. (2025). Penggunaan Instrumen Non-Tes dalam Menilai Permasalahan Sosial dan Emosional Siswa : Tinjauan Literatur. WISSEN : Jurnal Ilmu Sosial Dan Humaniora, 3(2), 294–305. https://doi.org/10.62383/wissen.v3i2.805

Kurniadi, D., Nuraeni, F., & Jaelani, D. (2022). Implementasi Logika Fuzzy Mamdani Pada Sistem Prediksi Calon Penerima Program Keluarga Harapan. Jurnal Algoritma, 19(1), 151–162. https://doi.org/10.33364/algoritma/v.19-1.1016

Liu, E., Zhang, Y., & Wang, J. Z. (2024). Updates in Alzheimer’s disease: from basic research to diagnosis and therapies. Translational Neurodegeneration, 13(1), 1–48. https://doi.org/10.1186/s40035-024-00432-x

Masing, M., & Astuti, K. (2022). Dropping out of the school: Factors and its impact on primary school in Indonesia. Psychosophia: Journal of Psychology, Religion, and Humanity, 4(1), 10–18.

Noori, S. M., Ahmad, A. G., & Khalil, S. M. (n.d.). The decision-making process in learners’ failure using fuzzy scale. Journal of Interdisciplinary Mathematics. https://doi.org/10.47974/jim-1577

Nuraeni, N. (2021). Klasifikasi Data Mining untuk Prediksi Potensi Nasabah dalam Membuat Deposito Berjangka. Jurnal Ilmiah Intech : Information Technology Journal of UMUS, 3(01 SE-Articles), 65–75. https://doi.org/10.46772/intech.v3i01.418

Nyangfah Nisa Septiana1, Zulfatul Khoiriyah2, Shaleh3. (2024). 10.

Pineda, L. T. (2024). Far Away From Home: A Qualitative Study on Challenges Encountered By Geographically Distant University Students. International Journal of Research Publication and Reviews, 5(5), 5573–5581. https://doi.org/10.55248/gengpi.5.0524.1260

Pradhana, P., Purba, D. F., Pranika, P., Maiya, R., Wahyudi, C., & Fitriany, A. (2025). Implementasi Home Visit: Tantangan dan Peluang bagi Guru BK dalam Menangani Kasus Siswa Berisiko Putus Sekolah di SMPN 23 Medan. Jurnal Pendidikan Sosial Dan Konseling, 3(1), 159–164.

Putri, N. B., & Wijayanto, A. W. (2022). Analisis Komparasi Algoritma Klasifikasi Data Mining Dalam Klasifikasi Website Phishing. Komputika : Jurnal Sistem Komputer, 11(1), 59–66. https://doi.org/10.34010/komputika.v11i1.4350

Putri, S. A., & Rachmatika, R. (2025). Penerapan Algoritma Random Forest dan SMOTE untuk Prediksi Risiko Putus Sekolah Siswa Sekolah Menengah Kejuruan. 5(3), 903–910.

Rahmanto, Y. (2024). Sistem Pendukung Keputusan Pemilihan Pelanggan Terbaik Menggunakan Metode SD-MOORA. Journal of Artificial Intelligence and Technology Information (JAITI), 2(3), 163–172. https://doi.org/10.58602/jaiti.v2i3.135

Rambey, M. J. (2023). Pengaruh Kondisi Ekonomi Keluarga Terhadap Tingkat Pendidikan Anak Di Desa Sihaborgoan Barumun. Ndrumi : Jurnal Ilmu Pendidikan Dan Humaniora, 5(1), 1–12. https://doi.org/10.57094/ndrumi.v5i1.514

Rizky, M., Fernanda, A., Sokibi, P., & Fahrudin, R. (2021). Sistem Prediksi Ketepatan Kelulusan Mahasiswa Berdasarkan Data Akademik Dan Non Akademik Menggunakan Metode K-Means. Jurnal Digit, 11(1), 89–100.

Saatchi, R. (2024). Fuzzy Logic Concepts, Developments and Implementation. Information (Switzerland), 15(10), 0–24. https://doi.org/10.3390/info15100656

Schuler, M. S., Coffman, D. L., Stuart, E. A., Nguyen, T. Q., Vegetabile, B., & McCaffrey, D. F. (2025). Practical challenges in mediation analysis: a guide for applied researchers. Health Services and Outcomes Research Methodology, 25(1), 57–84. https://doi.org/10.1007/s10742-024-00327-4

Sekhi, I., Kovács, S., & Nehéz, K. (2025). Enhancing Decision-making in Uncertain Domains through Optimized Fuzzy Logic Systems. Periodica Polytechnica. Electrical Engineering and Computer Science. https://doi.org/10.3311/ppee.38315

Sinaga, A. R. (2023). Variabel Non Akademik Untuk Memprediksi Prestasi Siswa Dengan Data Mining Menggunakan Metoda Naïve Bayes. Nuansa Informatika, 17(2), 35–41. https://doi.org/10.25134/ilkom.v17i2.26

Sinaga, P. P., & Sitorus, J. R. H. (2022). Pengaruh Sosial Ekonomi, Demografi dan Kesehatan Mental Terhadap Status Putus Sekolah Pada Usia SMA di Sumatera Utara Tahun 2021. Seminar Nasional Official Statistics, 2022(1), 713–722. https://doi.org/10.34123/semnasoffstat.v2022i1.1133

Sumardi, N. A., Anwar, N. A., Shukur, S. A. M., Munir, Z. A., & Mahmud, L. (2025). Determinants of University Students’ Absenteeism: The Role of Financial, Parental and Institutional Factors. Information Management and Business Review, 17(3(I)), 219–227. https://doi.org/10.22610/imbr.v17i3(i).4685

Sunandar, D. (2025). Implementasi Logika Fuzzy Mamdani dalam Sistem Pendukung Keputusan Untuk Penanganan Kesehatan Gizi Balita di RS Citra Arafiq Sawangan. Ranah Research : Journal of Multidisciplinary Research and Development, 7(4), 2311–2320. https://doi.org/10.38035/rrj.v7i4.1465

Widodo, Y. B., Widyahastuti, F., Narji, M., & Sibuea, S. (2025). Abstrak elektronik , yang mencakup tantangan dalam mendeteksi dan mengelola penyakit . Selain itu , Penggunaan metode pemrosesan bahasa alami ( NLP ) dan teknik pembelajaran mesin telah. 11(1), 202–213.

WINARSIH, S. . S. (2024). Implementasi Sistem Pemilihan Alat Kontrasepsi (Sipako) Untuk Pasutri Berbasis Expert System. CENDEKIA: Jurnal Ilmu Pengetahuan, 4(1), 10–16. https://doi.org/10.51878/cendekia.v4i1.2740

Yunita Ngongo, Andreas Ariyanto Rangga, & Alexander Adis. (2024). Implementasi Metode Fuzzy untuk Klasifikasi Tingkat Kesejahteraan Keluarga di Kecamatan Loura. Polygon : Jurnal Ilmu Komputer Dan Ilmu Pengetahuan Alam, 2(6), 23–32. https://doi.org/10.62383/polygon.v2i6.254