PERBANDINGAN METODE ALGORITMA KLASIFIKASI (DECISION TREE DAN NAIVE BAYES) UNTUK MEMPREDIKSI AKURASI TINGKAT KELULUSAN SISWA DI SEKOLAH SDN 008 SUNGAI DUSUN

Rahmathidayatullah

doi:10.32520/jupel.v8i1.5054

Rahmathidayatullah Universitas Islam Indragiri

DOI: https://doi.org/10.32520/jupel.v8i1.5054

Keywords: Data Mining, Klasifikasi, Decision Tree, Naive Bayes, Kelulusan Siswa

Abstract

Penelitian ini bertujuan untuk membandingkan kinerja algoritma klasifikasi Decision Tree dan Naive Bayes dalam memprediksi tingkat kelulusan siswa di SDN 008 Sungai Dusun. Permasalahan yang dihadapi sekolah adalah belum adanya sistem prediksi kelulusan berbasis data sehingga proses evaluasi masih bersifat subjektif. Metode penelitian yang digunakan adalah penelitian kuantitatif dengan pendekatan komparatif. Data yang digunakan berjumlah 212 data siswa dengan 13 atribut, meliputi nilai mata pelajaran dan status kelulusan. Tahapan penelitian meliputi pengumpulan data, preprocessing, penerapan algoritma, serta evaluasi model menggunakan confusion matrix dengan parameter akurasi, presisi, dan recall. Pengujian dilakukan menggunakan aplikasi Altair AI Studio dengan teknik cross validation. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes memiliki performa lebih baik dibandingkan Decision Tree dengan nilai akurasi sebesar 97,64%, presisi 98,09%, dan recall 96,89%, sedangkan Decision Tree memperoleh akurasi 94,78%, presisi 95,84%, dan recall 92,56%. Berdasarkan hasil tersebut, algoritma Naive Bayes direkomendasikan sebagai metode yang lebih efektif untuk memprediksi kelulusan siswa.

Downloads

Download data is not yet available.

References

[1] M. Jafar and D. Aisyah, “Muslim Jafar 1 , Devy Aisyah 2 , Amrina 3,” vol. 2338, no. 02, pp. 13–34, 2022.
[2] S. A. Koni’ah and H. Yuliansyah, “Classification Algorithm for Link Prediction Based on Generated Features of Local Similarity-Based Method,” Sistemasi, vol. 11, no. 2, p. 317, 2022, doi: 10.32520/stmsi.v11i2.1641.
[3] T. Afriliansyah, P. Informatika, U. B. Persada, and P. Wilayah, “Perbandingan Ann, Knn, Naive Bayes, Svm Dan Decision Tree,” vol. 2, no. November, 2023.
[4] D. Sartika and D. I. Sensuse, “Perbandingan Algoritma Klasifikasi Naive Bayes, Nearest Neighbour, dan Decision Tree pada Studi Kasus Pengambilan Keputusan Pemilihan Pola Pakaian,” Jastisi, vol. 1, no. 2, pp. 151–161, 2017.
[5] Freeman, “Perbandingan Algoritma C4.5,” J. Chem. Inf. Model., vol. 53, no. 9, pp. 1689–1699, 2013.
[6] D. A. Punkastyo, F. Septian, and A. Syaripudin, “Implementasi Data Mining Menggunakan Algoritma Naïve Bayes Untuk Prediksi Kelulusan Siswa,” J. Syst. Comput. Eng., vol. 5, no. 1, pp. 24–35, 2024, doi: 10.61628/jsce.v5i1.1073.
[7] H. Sulaiman, “Perbandingan Algoritma Decision Tree C4.5 Dan Naive Bayes pada Analisa Tekstur Gray Level Co-Occurrence Matrix Menggunakan Citra Wajah,” Sistemasi, vol. 10, no. 2, p. 470, 2021, doi: 10.32520/stmsi.v10i2.1305.
[8] B. Budiman and Z. Niqotaini, “Comparative Analysis of Data Mining Classification Algorithm Performance for Searching Prospective Student Interests,” Sistemasi, vol. 11, no. 2, p. 271, 2022, doi: 10.32520/stmsi.v11i2.1610.
[9] M. D. Noverta Effendi*1, Witrihan Ramadhani2, Fitri Farida3, “Jurnal Computer Science and Information Technology ( CoSciTech ) things,” J. Comput. Sci. Inf. Technol., vol. 5, no. 2, pp. 358–366, 2024.
[10] A. Wahab, S. Samarinda, I. Lishania, R. Goejantoro, and Y. N. Nasution, “Comparison of the Classification for Naive Bayes Method and the Decision Tree Algorithm (J48) for Stroke Patients in Abdul Wahab Sjahranie Samarinda Hospital,” J. EKSPONENSIAL, vol. 10, no. 2, pp. 135–142, 2019.
[11] A. Ainurrohmah and D. T. Wiyanti, “Analisis Performa Algoritma Decision Tree, Naive Bayes, K-Nearest Neighbor untuk Klasifikasi Zona Daerah Risiko Covid-19 di Indonesia,” J. Teknol. Inf. dan Ilmu Komput., vol. 10, no. 1, pp. 115–122, 2023, doi: 10.25126/jtiik.2023105935.
[12] K. Aprilia, U. Khaira, and B. Ferdian Hutabarat, “Komparasi Algoritma Naive Bayes Dan Decision Tree Pada Klasifikasi Penerimaan Peserta Didik Baru,” Simtek J. Sist. Inf. dan Tek. Komput., vol. 10, no. 2, pp. 547–553, 2025, doi: 10.51876/simtek.v10i2.1694.
[13] A. W. Putra et al., “Perbandingan Klasifikasi antara Naives Bayes dan Decision Tree dalam Prediksi Penyakit Diabetes Tahap Awal,” J. Ilmu Komput., vol. 17, no. 1, p. 9, 2024, doi: 10.24843/jik.2024.v17.i01.p06.
[14] H. Firda, R. Athiyah, and M. Ihsan Jambak, “Perbandingan Algoritma Klasifikasi Data Mining Model C4.5 Dan Naive Bayes Untuk Prediksi Keganasan Kanker Payudara,” Just-IT, vol. 14, no. 3, pp. 150–233, 2024, [Online]. Available: https://jurnal.umj.ac.id/index.php/just-it/index
[15] A. Abdullah, R. Wahid, and S. Insani, “Implementasi Naïve Bayes dan Decision Tree Untuk Klasifikasi Jenis Tanaman,” vol. 19, no. 2, pp. 197–212, 2025.