PERFORMANSI KLASIFIKASI KELAS SISWA MENGGUNAKAN NAÏVE BAYES DAN DECISION TREE

Sari

Pembagian kelas di dalam pendidikan bertujuan untuk mengetahui kemampuan intelektual siswa. Di dunia pendidikan telah mengenal beberapa pembagian kelas mulai dari kelas reguler, kelas unggulan, dan kelas akselerasi. Beberapa jenis kelas tersebut untuk membagi kelas-kelas siswa berdasarkan kemampuan intelektualnya. Kelas reguler merupakan kelas untuk siswa yang mempunyai kemampuan rata-rata, kelas unggulan merupakan kelas untuk siswa yang di atas rata-rata, sedangkan kelas akselerasi merupakan kelas untuk siswa yang jenius. Dengan kondisi tersebut maka penelitian ini akan melakukan klasifikasi kelas siswa dalam pembelajaran di dunia pendidikan. Tujuan penelitian ini, yaitu: untuk mengetahui hasil klasifikasi pembagian kelas siswa menggunakan naïve bayes dan decision tree. Tahapan penelitian ini, yaitu: mengumpulkan data dari sampel lembaga pendidikan, selanjutnya menentukan variabel dan data set, tahapan terakhir mengklasifikasikan kelas siswa. Klasifikasi kelas siswa dalam penelitian ini terdapat 3 kelas, yaitu: kelas Low, kelas Middle, dan kelas High. Data yang digunakan dalam penelitian ini sebanyak 480 baris dan 12 atribut, dengan total kelas Low 127 baris, kelas Middle 211 baris, dan kelas High sebanyak 142 baris. Hasil klasifikasi dari penelitian ini menunjukkan bahwa akurasi dari Nive Bayes 58%, akurasi klasifikasi algoritma ID3 60%, akurasi klasifikasi algoritma C4.5 62%, sedangkan akurasi klasifikasi algoritma CART 58%. Sehingga dapat disimpulkan bahwa performansi akurasi dari keempat algoritma yang paling baik, yaitu algoritma C4.5 sebesar 62%.