ANALISIS PERBANDINGAN ALGORITMA DECISIOIN TREE DAN NAÏVE UNTUK MENGEVALUASI PRESTASI BELAJAR SISWA

STUDI KASUS : SMK AL-MUSYAWIRIN

Abstract

Prestasi belajar siswa merupakan faktor kunci dalam dunia pendidikan. Suatau negara akan maju seiring dengan kemajuan dalam bidang pendidikannya. Prestasi belajar siswa dapat meningkatkan akreditasi sekolah dan merupakan salah satu faktor keberhasilan pendidikan. Analisis data akademik yang tepat dapat membantu mengenai unsur-unsur yang mempengaruhi hasil prestasi belajar siswa. Oleh karena itu, penggunaan algoritma klasifikasi seperti Decision Tree dan Naïve Bayes menjadi penting untuk membantu pengambilan keputusan di lingkungan pendidikan. Penelitian ini mendapatkan sumber data dari SMK Al-Musyawirin Weru Cirebon dengan jumlah data sebesar 202 dengan menggunakan teknik pengumpulan data melakukan observasi dan wawancara langsung. Atribut yang digunakan dalam penelitian ini adalah Nama Siswa, Mata Pelajaran Pendidikan Agama Islam, Pendidikan Kewarganegaraan, Bahasa Indonesia, Bahasa Inggris, Matematika, Sejarah, Seni Budaya, Pendidikan Jasmani Olahraga Kesehatan, Simulasi Digital, Fisika, Kimia dan Bahasa Sunda. Peneliti menerapkan kedua algoritma ini menggunakan teknik data mining. Pada pengujian Cross Validation dengan 5-fold menggunakan metode Naïve Bayes menunjukan hasil keakuratan tertinggi sebesar 85.93%. Sedangkan pengujian menggunakan split data medapatkan keakuratan 95.00%. Pada pengujian Cross Validation dengan 7-fold menggunakan metode Decision Tree menunjukan hasil keakuratan tertinggi sebesar 89,22%. Sedangkan pengujian menggunakan split data medapatkan keakuratan 100.00%. Menurut hasil yang telah diuji dengan menggunakan tools RapidMiner, menyatakan bahwa metode Decision Tree memiliki tingkat akurasi yang lebih tinggi daripada metode Naïve Bayes dalam menentukan prestasi akademik siswa. Dalam hal ini bagian akademik bisa mengantisipasi hasil pembelajaran siswa jika ada yang kurang berprestasi.