Proyek ini bertujuan untuk menganalisis dataset "Students Performance in Exams" untuk mengidentifikasi faktor-faktor kunci yang memengaruhi skor siswa dalam mata pelajaran matematika, membaca, dan menulis. Analisis ini akan menggali hubungan antara variabel demografis (seperti gender dan latar belakang pendidikan orang tua) dengan hasil ujian untuk menghasilkan wawasan yang dapat ditindaklanuti.
Dataset yang digunakan dalam analisis ini dapat diakses secara publik melalui platform Kaggle pada tautan berikut: https://www.kaggle.com/datasets/spscientist/students-performance-in-exams
Berikut adalah temuan-temuan utama yang didapatkan dari proses analisis data:
- Pengaruh Gender: Ditemukan bahwa siswa laki-laki (
male) cenderung unggul dalam skor matematika, sementara siswa perempuan (female) menunjukkan performa yang lebih baik dalam skor membaca dan menulis. - Dampak Kursus Persiapan: Terdapat bukti kuat bahwa kursus persiapan ujian memberikan dampak positif yang signifikan. Siswa yang telah menyelesaikan kursus (
completed) secara konsisten meraih skor rata-rata yang lebih tinggi di semua mata pelajaran dibandingkan siswa yang tidak mengikuti kursus (none). - Korelasi Tipe Makan Siang: Faktor nutrisi/sosio-ekonomi yang direpresentasikan oleh tipe makan siang menunjukkan korelasi yang jelas. Siswa dengan makan siang 'standard' mencapai skor rata-rata yang lebih tinggi secara signifikan daripada siswa dengan makan siang 'free/reduced'.
Dalam pengerjaan proyek ini, AI (Large Language Model) dimanfaatkan untuk mendukung beberapa tahap analisis, antara lain:
- Brainstorming Awal: Membantu memberikan ide-ide pertanyaan analisis yang relevan untuk digali dari dataset.
- Generasi Kode: Mempercepat proses analisis dengan membantu membuat kode Python (menggunakan library Pandas, Matplotlib, dan Seaborn) untuk melakukan kalkulasi dan membuat visualisasi data.
- Interpretasi Awal: Berdiskusi mengenai hasil dan grafik untuk membantu merumuskan wawasan (insight) yang lebih tajam.