PENERAPAN ALGORITMA K-MEANS DAN NAÏVE BAYES UNTUK MENGANALISIS FAKTOR PENENTU PRESTASI AKADEMIK BAHASA INGGRIS SISWA SMA SWASTA BHAYANGKARI 2 RANTAU PRAPAT

ANGGI AUDYA, NPM 2209100013 (2026) PENERAPAN ALGORITMA K-MEANS DAN NAÏVE BAYES UNTUK MENGANALISIS FAKTOR PENENTU PRESTASI AKADEMIK BAHASA INGGRIS SISWA SMA SWASTA BHAYANGKARI 2 RANTAU PRAPAT. Skripsi thesis, Universitas Labuhanbatu.

	Text COVER.pdf Download (1MB)
	Text BAB I.pdf Download (571kB)
	Text BAB II.pdf Download (849kB)
	Text BAB III.pdf Download (1MB)
	Text BAB IV.pdf Download (2MB)
	Text BAB V.pdf Download (421kB)
	Text DAFTAR PUSTAKA.pdf Download (428kB)

Abstract

Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi prestasi akademik Bahasa Inggris siswa di SMA Swasta Bhayangkari 2 Rantau Prapat dengan menggunakan kombinasi algoritma K-Means dan Naïve Bayes. Data yang digunakan meliputi nilai Bahasa Inggris, kehadiran, keikutsertaan dalam kursus, dan minat belajar siswa. Algoritma K-Means digunakan untuk mengelompokkan siswa ke dalam tiga kategori prestasi, yaitu rendah, sedang, dan tinggi berdasarkan kemiripan karakteristik data, sedangkan Naïve Bayes digunakan untuk mengklasifikasikan serta menentukan faktor dominan yang memengaruhi prestasi akademik. Hasil penelitian menunjukkan bahwa kombinasi kedua algoritma mampu memberikan analisis yang komprehensif, di mana K Means menghasilkan pengelompokan siswa secara objektif dan Naïve Bayes mengidentifikasi faktor-faktor yang berpengaruh. Faktor seperti minat belajar, kehadiran, dan keikutsertaan dalam kursus Bahasa Inggris terbukti berkontribusi terhadap tingkat prestasi siswa. Dengan demikian, penelitian ini dapat membantu pihak sekolah dalam mengambil keputusan yang lebih tepat dan berbasis data untuk meningkatkan kualitas pembelajaran Bahasa Inggris. Kata kunci: Data Mining, K-Means, Naïve Bayes, Prestasi Akademik, Bahasa Inggris ====================================================== This study aims to analyze the factors influencing students’ academic achievement in English at SMA Swasta Bhayangkari 2 Rantau Prapat using a combination of K-Means and Naïve Bayes algorithms. The data used include English scores, attendance, participation in English courses, and students’ learning interest. The K-Means algorithm is applied to cluster students into three achievement categories-low, medium, and high-based on data similarity, while the Naïve Bayes algorithm is used to classify and determine the dominant factors affecting academic performance. The results show that the combination of both algorithms provides a comprehensive analysis, where K-Means produces objective student grouping and Naïve Bayes identifies influential factors. Factors such as learning interest, attendance, and participation in English courses are proven to contribute to students’ performance levels. Therefore, this study can assist schools in making more accurate data-driven decisions to improve the quality of English learning. Keywords: Data Mining, K-Means, Naïve Bayes, Academic Achievement, English

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Data Mining, K-Means, Naïve Bayes, Prestasi Akademik, Bahasa Inggris=============Data Mining, K-Means, Naïve Bayes, Academic Achievement, English
Subjects:	L Education > L Education (General) Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General) Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4450 Databases
Divisions:	Fakultas Sains Dan Teknologi > Sistem Informasi
Depositing User:	Unnamed user with email repository@ulb.ac.id
Date Deposited:	28 Apr 2026 02:24
Last Modified:	28 Apr 2026 02:24
URI:	http://repository.ulb.ac.id/id/eprint/2180

Actions (login required)

View Item