RAHASIA MENGIDENTIFIKASI SISWA BERPRESTASI DENGAN ALGORITMA NAIVE BAYES

RULIA PITRIANI, NPM 2209100115 (2026) RAHASIA MENGIDENTIFIKASI SISWA BERPRESTASI DENGAN ALGORITMA NAIVE BAYES. Pustaka Riyadz, JAMBI. ISBN 978-634-7078-80-3

	Text COVER.pdf Download (1MB)
	Text BUKU.pdf Download (23MB)

Abstract

Penerapan metode machine learning khususnya algoritma Naive Bayes, memberikan kontribusi yang signifikan dalam meningkatkan kualitas proses identifikasi siswa berprestasi. Pendekatan berbasis data ini memungkinkan proses klasifikasi dilakukan secara objektif, sistematis, dan terukur, sehingga mampu mengurangi bias yang sering muncul dalam metode penilaian konvensional. Pengolahan data akademik seperti nilai mata pelajaran, tingkat kehadiran, serta atribut pendukung lainnya memungkinkan terbentuknya pola-pola yang mencerminkan kinerja siswa. Pola tersebut kemudian digunakan sebagai dasar dalam membangun model prediksi yang akurat. Dengan memanfaatkan data yang tersedia secara optimal, pihak sekolah dapat memperoleh gambaran yang lebih jelas mengenai potensi dan perkembangan siswa, sehingga proses evaluasi menjadi lebih terarah dan efektif. Selain itu, penerapan algoritma Naive Bayes juga memberikan kemudahan dalam implementasi serta efisiensi dalam proses komputasi. Hal ini menjadikannya sebagai solusi yang tepat, terutama bagi institusi pendidikan yang ingin mengadopsi teknologi tanpa memerlukan sumber daya yang besar. Dengan demikian, pemanfaatan machine learning dalam analisis data akademik tidak hanya meningkatkan kualitas penilaian, tetapi juga mendukung pengambilan keputusan yang lebih tepat dalam upaya meningkatkan prestasi siswa secara keseluruhan. Penerapan algoritma Naive Bayes terbukti mampu mengklasifikasikan siswa ke dalam kategori berprestasi dan tidak berprestasi dengan tingkat kinerja yang baik. Keunggulan algoritma ini terletak pada kesederhanaan perhitungan, efisiensi komputasi, serta kemampuannya dalam bekerja pada dataset berukuran kecil hingga menengah. Hal ini menjadikannya sebagai solusi yang tepat, khususnya bagi institusi pendidikan yang memiliki keterbatasan dalam infrastruktur teknologi namun tetap ingin memanfaatkan analisis data dalam pengambilan keputusan. Selain itu, penggunaan metrik evaluasi seperti akurasi, precision, recall, dan F I-score memberikan gambaran yang komprehensif mengenai performa model yang dibangun. Evaluasi yang tepat memastikan bahwa model tidak hanya memiliki tingkat ketepatan yang tinggi, tetapi juga mampu mendeteksi siswa yang berpotensi mengalami penurunan prestasi. Dengan demikian, hasil prediksi dapat digunakan sebagai dasar dalam merancang strategi pembelajaran dan intervensi yang lebih efektif. Secara keseluruhan, penerapan algoritma Naive Bayes dalam konteks pendidikan memberikan dampak yang signifikan terhadap peningkatan kualitas proses evaluasi akademik. Dengan memanfaatkan pendekatan berbasis data, penilaian siswa tidak lagi bergantung pada metode manual yang cenderung subjektif, melainkan didasarkan pada analisis yang sistematis dan terukur. Hal ini memungkinkan sekolah untuk memperoleh hasil evaluasi yang lebih akurat serta mencerminkan kondisi nyata dari kinerja siswa. Selain itu, penggunaan algoritma ini juga mendorong transformasi menuju sistem pendidikan berbasis data. Sekolah dapat mengelola dan menganalisis data akademik secara lebih efektif, sehinggamampu mengidentifikasi pola-pola penting yang berkaitan dengan prestasi siswa. Transformasi ini menjadi langkah penting dalam menghadapi perkembangan teknologi, di mana pengambilan keputusan berbasis data menjadi kebutuhan utama dalam meningkatkan kualitas pendidikan. Dengan demikian, pendekatan ini diharapkan dapat membantu pihak sekolah dalam mengoptimalkan potensi siswa secara lebih maksimal. Selain meningkatkan Objektivitas dalam penilaian, hasil analisis juga dapat digunakan sebagai dasar dalam merancang strategi pembelajaran dan intervensi yang lebih tepat. Dalam jangka panjang, penerapan teknologi seperti Naive Bayes akan mendukung terciptanya sistem pendidikan yang lebih adaptif, efisien, dan berkelanjutan. Kata Kunci : Pembelajaran Siswa, Algoritma Naive Bayes

Item Type:	Book
Uncontrolled Keywords:	Pembelajaran Siswa, Algoritma Naive Bayes
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software 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:	23 Jul 2026 07:34
Last Modified:	23 Jul 2026 07:34
URI:	http://repository.ulb.ac.id/id/eprint/2606

Actions (login required)

View Item