Implementasi Metode Naive Bayes Pada Pola Prestasi Siswa Dengan Menggunakan Rapidminer

Authors

  • Laila Devi Sari universitas Ibrahimy
  • Zaehol Fatah Universitas Ibrahimy

Abstract

Penelitian ini membahas tentang penggunaan metode Naive Bayes untuk menganalisis pola prestasi siswa menggunakan RapidMiner. Tujuan utamanya adalah untuk mencari tahu faktor-faktor apa saja yang mempengaruhi prestasi belajar siswa dan seberapa akurat metode Naive Bayes dalam memprediksi prestasi siswa. Data yang digunakan mencakup informasi seperti jenis kelamin, usia, jurusan, jam belajar per minggu, tingkat kehadiran, status kerja paruh waktu, dan kegiatan ekstrakurikuler, dengan nilai GPA sebagai tolak ukur prestasi. Dalam prosesnya, data dibersihkan dan disiapkan terlebih dahulu melalui tahap preprocessing. Nilai GPA dibagi menjadi dua kategori: "Kurang_Baik" untuk nilai 2,00-2,99 dan "Baik" untuk nilai 3,00-3,99. Metode Naive Bayes kemudian diterapkan untuk menganalisis dan memprediksi kategori prestasi siswa berdasarkan faktor-faktor yang ada. Hasil penelitian menunjukkan bahwa model Naive Bayes mampu memprediksi prestasi siswa dengan tingkat akurasi 56,20%. Meskipun belum terlalu tinggi, hasil ini sudah cukup membantu dalam memahami pola prestasi siswa. Penelitian ini bisa menjadi dasar bagi pihak sekolah dalam mengambil keputusan untuk meningkatkan prestasi akademik siswa.

Kata Kunci: Naive Bayes, Prestasi Siswa, Data Mining, RapidMiner, Klasifikasi

References

Alrasyid, H., Homaidi, A., Kom, M., Fatah, Z., & Kom, M. (2024). Comparison Support Vector Machine and Random Forest Algorithms in Detect Diabetes. 1(1), 447–453.

Aslan, A. (2018). Kurikulum Pendidikan Islam di Amerika. Journal of Al-Adzka: Jurnal Ilmiah Pendidikan Guru Madrasah Ibtidaiyah, 8(2), 117. https://doi.org/10.18592/aladzkapgmi.v8i2.2361

Gandhi, B. S., Megawaty, D. A., & Alita, D. (2021). Aplikasi Monitoring dan Penentuan Peringkat Kelas Menggunakan Naive Bayes Classifier. Jurnal Informatika Dan Rekayasa Perangkat Lunak, 2(1), 54–63. https://doi.org/10.33365/jatika.v2i1.722

Gellysa Urva, Desyanti, I. A. (2023). PENERAPAN DATA MINING DI BERBAGAI BIDANG : Konsep, Metode, dan Studi Kasus. In Google Buku.

Ilmu, J., Muhammadiyah, P., Jati, K., Nurida, J. S., & Arianda, R. S. (2020). JIPMuktj:Jurnal Ilmu Pendidikan Muhammadiyah Kramat Jati Volume 1 No 2 2020 https://jipmukjt.com/index.php/JIPMuKjt Soraya Nurida dan Raka Sapto Arianda. I(2), 62–74.

Ismai. (2017). Data Mining: Pengolahan Data Menjadi Informasi dengan RapidMiner.

Jalil, A., Homaidi, A., & Fatah, Z. (2024). Implementasi Algoritma Support Vector Machine Untuk Klasifikasi Status Stunting Pada Balita. G-Tech: Jurnal Teknologi Terapan, 8(3), 2070–2079. https://doi.org/10.33379/gtech.v8i3.4811

Rasmi Daliana. (2020). Pentingnya Pendidikan Bagi Anak. In Jurnal Manajemen, Kepemimpinan dan Supervisi Pendidikan (Vol. 3, Issue 1).

Wanto, A., Siregar, M. N. H., Windarto, A. P., Hartama, D., Ginantra, N. L. W. S. R., Napitupulu, D., Negara, E. S., Lubis, M. R., Dewi, S. V., & Prianto, C. (2023). Data Mining : Algoritma dan Implementasi. In Yayasan Kita Menulis.

Yuni Franata Sinurat, Masrizal, I. (2024). Data Mining Pengelompokan Siswa Berprestasi Menggunakan Metode Clustering.

Downloads

Published

2025-04-28