PERBANDINGAN METODE NAIVE BAYES, DEICISION TREE ALGORTMA J.48, DAN RANDOM FOREST UNTUK KLASIFIKASI KETUNTASAN BELAJAR SISWA

• ADE IRMA RIZMAYANTI
• 14002347

---

ABSTRAK

Kebutuhan dunia pendidikan di Indonesia memiliki pola dan strategi pembelajaran berbasis pada kemampuan nalar siswa. Siswa diharapkan mampu menganalisis sebuah permasalahan dengan baik dan menemukan solusi yang tepat, pada kenyataannya pendekatan kemampuan nalar siswa tidak diiringi oleh sistem pendidikan atau kurikulum yang memadai. komptensi guru yang tidak merata diberbagai sekolah dan pemerintah dirasakan sangat kurang dalam mewujudkan sistem pendidikan berbasis nalar. dalam penelitian tiga algoritma klasifikasi yaitu algoritma naive bayes, algoritma decision tree j48, dan algoritma random forest untuk dilakukan komparasi dengan bertujuan untuk melihat nilai yang memiliki accuracy paling tinggi dari ketiga algoritma. peneliti menggunakan Jupyterlab dengan bahasa pemrograman python untuk melakukan penelitian. penelitian menggunakan dataset raport siswa dengan jumlah 16 atribut dan datanya berisi tentang nilai-nilai yang terdapat di raport siswa tersebut. Penelitian ini bertujuan sebagai perbandingan metode untuk mengklasifikasikan ketuntasan belajar siswa. hasil dari eksperimen yang telah dilakukan terhadap accruacy dengan algoritma decision tree j48 adalah sebesar 96.88% dan kemudian dengan algoritma naive bayes didapat nilai sebesar 97,15% serta perhitungan accuracy terhadap algoritma random forest didapat dengan nilai sebesar 97,73%. Dari ketiga algoritma yang digunakan, random forest memiliki accuracy yang tertinggi yaitu sebesar 97,73%

Kata kunci: klasifikasi, decision tree 748, naive bayes, random forest

KATA KUNCI

Data Mining,Klasifikasi

---

DAFTAR PUSTAKA