IMPLEMENTASI ALGORITMA NAIVE BAYES UNTUK MEMPREDIKSI PEMINATAN SISWA SMA NEGERI 1 BANYUDONO

Abstract

Penentuan peminatan siswa di tingkat SMA merupakan aspek penting dalam menunjang proses pembelajaran yang sesuai dengan potensi dan minat siswa. Penelitian ini bertujuan mengimplementasikan algoritma Naive Bayes tipe CategoricalNB untuk memprediksi peminatan siswa di SMA Negeri 1 Banyudono berdasarkan nilai beberapa mata pelajaran. Tiga paket peminatan yang digunakan yaitu: Paket 1 (Matematika Lanjut, Fisika, Kimia, Biologi, PKWU), Paket 2 (Geografi, Ekonomi, Kimia, Informatika, PKWU), dan Paket 3 (Geografi, Ekonomi, Sosiologi, PKWU). Data nilai dikonversi menjadi kategori A (?90), B (80–89), C (70–79), dan D (<70), lalu diproses melalui encoding dan dibagi menjadi data latih dan uji dengan skema 70:30 dan 80:20. Pengembangan sistem menggunakan model SDLC Waterfall. Hasil pengujian menunjukkan akurasi sebesar 84% pada skema 70:30 dan 82% pada skema 80:20, dengan precision, recall, dan F1-score yang cukup stabil. Sistem ini diimplementasikan dalam dashboard berbasis Streamlit untuk memudahkan siswa melakukan prediksi dan pihak sekolah melakukan pemantauan. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes cukup efektif dalam mengklasifikasikan peminatan siswa jika data telah diproses dengan tepat dan sistem didukung antarmuka yang ramah pengguna.