ANALISIS KELAYAKAN PEMILIHAN JURUSAN SISWA-SISWI SMA/SEDERAJAT DI ERA MERDEKA BELAJAR MENGGUNAKAN ALGORITMA NAÏVE BAYES
DOI:
https://doi.org/10.31849/zn.v7i1.23016Keywords:
Analisis Kelayakan, Naive Bayes, Python, Google Colab, SMA Negeri PanturaAbstract
Di Era Merdeka Belajar menawarkan fleksibilitas yang lebih besar bagi siswa untuk memilih jurusan sesuai minat dan bakat, terutama bagi sekolah yang sudah menerapkan kurikulum merdeka belajar. Namun masih adanya kendala dalam proses pemilihan jurusan yaitu ada siswa masih bingung dalam memilih jurusan, dan juga sebagian siswa pilih jurusan tidak berdasarkan minat terutama pada mata pelajaran – mata pelajaran yang ada di jurusan tersebut sehingga mengakibatkan adanya kendala dalam proses belajar mengajar, dan proses pemilihan jurusan di SMAN PANTURA masih berbasis manual. Berdasarkan permasalahan yang ada membuat peneliti melakukan penelitian untuk mengetahui klasifikasi jurusan siswa. Metode yang digunakan dalam penelitian ini yaitu dengan menerapkan analisis kelayakan menggunakan metode Naive Bayes dengan bahasa pemrograman Python, google colab. Data set yang dikumpulkan melalui hasil wawancara, observasi dan studi pustaka, sebanyak 119 siswa sebagai data training dan 91 data siswa sebagai data testing. Hasil penelitian untuk mengklasifikasi jurusan siswa di SMAN PANTURA menggunakan metode Naïve Bayes terdapat 3 jurusan yaitu IPA, BAHASA dan IPS. Dari jumlah data yang digunakan sebanyak 119 data training dan 91 data testing. Setelah dianalisis menggunakan python Pada data training terdapat 3 jurusan yaitu : IPA=29 siswa, BAHASA=10 siswa, dan IPS=80 siswa dengan Nilai akurasi yang diperoleh dari data training yaitu 65%. Sedangkan pada data testing diklasifikasi dalam 3 jurusan yaitu : IPA = 1 siswa, BAHASA = 14 siswa dan IPS = 76 siswa. Dari hasil klasifikasi yang diperoleh dapat disimpulkan bahwa jika data yang digunakan berjumlah banyak maka tingkat nilai akurasi atau kualitas dari hasil klasifikasi semakin baik dan hasil penelitian menunjukkan bahwa penelitian ini dapat memberikan kontribusi atau nilai tambah bagi para guru dan siswa dalam hal mengklasifikasi jurusan siswa.
References
[2] N. Hendrastuty, “Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Dalam Evaluasi Hasil Pembelajaran Siswa,” vol. 3, pp. 46–56, 2024.
[3] Y. Apridiansyah, N. D. M. Veronika, and E. D. Putra, “Prediksi Kelulusan Mahasiswa Fakultas Teknik Informatika Universitas Muhammadiyah Bengkulu Menggunakan Metode Naive Bayes,” JSAI (Journal Scientific and Applied Informatics), vol. 4, no. 2. pp. 236–247, 2021. doi: 10.36085/jsai.v4i2.1701.
[4] E. Mutiara, L. S. Ramdhani, R. Wajhillah, J. M. Hudin, and A. Gunawan, “Penerapan Metode Naïve Bayes Dengan PSO Untuk Pemilihan Peminatan Jurusan Pada SMK,” IJCIT (Indonesian Journal on Computer and Information Technology), vol. 8, no. 1. 2023. doi: 10.31294/ijcit.v8i1.15732.
[5] Y. Angraini, S. Fauziah, and J. L. Putra, “Analisis Kinerja Algoritma C4.5 Dan Naïve Bayes Dalam Memprediksi Keberhasilan Sekolah Menghadapi Un,” JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer), vol. 5, no. 2. pp. 285–290, 2020. doi: 10.33480/jitk.v5i2.1233.
[6] J. Fakhri, A. S. Sunge, and A. Turmudi zy, “Perancangan Klasifikasi Algoritma Naive Bayes Pada Data Pemilihan Jurusan Siswa,” JTT (Jurnal Teknologi Terpadu), vol. 11, no. 2. pp. 260–269, 2023. doi: 10.32487/jtt.v11i2.1823.
[7] Y. P. K. Kelen et al., " Penulis : Sistem Pendukung Keputusan : Konsep, Metode dan Implementasi”.
[8] S. Triyanto, A. Sunyoto, and M. R. Arief, “Analisis Klasifikasi Bencana Banjir Berdasarkan Curah Hujan Menggunakan Algoritma Naïve Bayes,” JOISIE (Journal Of Information Systems And Informatics Engineering), vol. 5, no. 2. pp. 109–117, 2021. doi: 10.35145/joisie.v5i2.1785.
[9] A. Z. Mafakhir and A. Solichin, “Penerapan Metode Naïve Bayes Classifier Untuk Penjurusan Siswa Pada Madrasah Aliyah Al-Falah Jakarta,” Fountain of Informatics Journal, vol. 5, no. 1. p. 21, 2020. doi: 10.21111/fij.v5i1.4007.
[10] M. E. Bere, K. Kelen, H. H. Ullu, and B. Baso, “Implementasi Algoritma Naive Bayes Classifier Terhadap Analisis Sentimen Kondisi Stunting di Indonesia Pada Media Sosial X,” vol. 7, no. 4, pp. 598–605, 2024.
[11] Adawiyah Ritonga and Yahfizham Yahfizham, “Studi Literatur Perbandingan Bahasa Pemrograman C++ dan Bahasa Pemrograman Python pada Algoritma Pemrograman,” J. Tek. Inform. dan Teknol. Inf., vol. 3, no. 3, pp. 56–63, 2023, doi: 10.55606/jutiti.v3i3.2863.
[12] G. I. E. Soen, M. Marlina, and R. Renny, “Implementasi Cloud Computing dengan Google Colaboratory pada Aplikasi Pengolah Data Zoom Participants,” JITU : Journal Informatic Technology And Communication, vol. 6, no. 1. pp. 24–30, 2022. doi: 10.36596/jitu.v6i1.781.
[13] Y. P. K. Kelen et al., “Decision support system for the selection of new prospective students using the simple additive weighted (SAW) method (Sistem Pendukung Keputusan Seleksi Calon Mahasiswa Baru Menggunakan Metode Simple Additive Weighted (SAW))” AIP Conf. Proc., vol. 2798, no. 1, 2023, doi: 10.1063/5.0154676".
Downloads
Published
Issue
Section
License
CC BY-SA 4.0
Attribution-ShareAlike 4.0
You are free to:
- Share — copy and redistribute the material in any medium or format for any purpose, even commercially.
- Adapt — remix, transform, and build upon the material for any purpose, even commercially.
- The licensor cannot revoke these freedoms as long as you follow the license terms.
Under the following terms:
- Attribution — You must give appropriate credit , provide a link to the license, and indicate if changes were made . You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
- ShareAlike — If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
- No additional restrictions — You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.
Notices:
You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation .
No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.
