KOMPARASI METODE KLASIFIKASI DATA MINING ALGORITMA C5.0 DAN NAÏVE BAYES UNTUK MEMPREDIKSI JURUSAN SISWA (STUDI KASUS: SMAN 1 GONDANGLEGI)

Penentuan jurusan siswa yang diimplementasikan di SMAN 1 Gondanglegi berdasarkan tes potensi akademik (TPA), tes intelligence (IQ) dan wawancara. Penjurusan tersebut dilakukan setelah siswa melakukan pendaftaran atau sebelum
siswa diterima sebagai kelas X. Beberapa metode data mining dalam penentuan atau prediksi jurusan yang telah dilakukan oleh peneliti terdahulu diantaranya algoritma c4.5, c5,0 dan naïve bayes serta dalam perbandingan yaitu algoritma id3
dan c5.0 kemudian perbandingan naïve bayes dan decision tree. Yang mana dalam perbandingan antara metode algoritma c5.0 dan naïve bayes belum dilakukan. Dari
permasalahan tersebut maka peneliti bertujuan untuk melakukan analisa perbandingan data mining menggunakan klasifikasi algoritma c5.0 dan naïve bayes
dalam memprediksi jurusan siswa. Adapun metode data mining yang digunakan yaitu knowledge discovery in database (KDD). Dalam proses KDD ada beberapa tahapan yakni Pemilihan data, Pembersihan data, Tranformasi data, Data mining
dan Evaluasi. Berdasarkan hasil perbandingan pengujian yang telah dilakukan melalui berbagai skenario terhadap kedua metode tersebut, pengujian 10-fold cross
validation yang kemudian dicatat dalam confusion matrix menghasilkan nilai akurasi yaitu sebesar 60,87% untuk algoritma c5.0 sedangkan untuk naïve bayes
sebesar 56,52%. Dari hasil yang diperoleh algoritma c5.0 merupakan metode paling baik dibanding naïve bayes yang dibuktikan dengan nilai tingkat akurasi yang
dipapatkan lebih tinggi. Hasil akurasi tersebut didapatkan melalui software rapidminer.