Sistem Pendukung Keputusan Peminatan Jurusan Menggunakan Metode Naïve Bayes
DOI:
https://doi.org/10.38035/dit.v4i1.3599Keywords:
Sistem pendukung keputusan, Naïve Bayes, penjurusan siswa, klasifikasiAbstract
Pemilihan jurusan di tingkat SMA merupakan keputusan penting yang memengaruhi proses pembelajaran dan perencanaan pendidikan siswa. Namun, proses penentuan jurusan masih sering kali bersifat subjektif, berpotensi mengakibatkan penempatan yang tidak sesuai dengan kemampuan akademik siswa. Penelitian ini bertujuan untuk mengembangkan Sistem Pendukung Keputusan (DSS) berbasis web menggunakan metode Naïve Bayes untuk memberikan rekomendasi jurusan bagi siswa SMA Nahdlatul Ulama Pakis. Penelitian ini menggunakan metode Penelitian dan Pengembangan (R&D) dengan pendekatan kuantitatif. Data penelitian terdiri dari rekam medis 65 siswa SMA Nahdlatul Ulama Pakis. Proses klasifikasi dilakukan menggunakan algoritma Gaussian Naïve Bayes, yang menghitung probabilitas prior, rata-rata, deviasi standar, dan probabilitas posterior untuk menentukan kelas dengan probabilitas posterior tertinggi. Sistem kemudian diimplementasikan dalam aplikasi berbasis web dan dievaluasi menggunakan Matriks Konfusi. Hasil pengujian menunjukkan bahwa model tersebut mencapai akurasi 45,45%, presisi makro 43,60%, recall makro 42,94%, dan skor F1 makro 41,54%. Hasil penelitian ini menunjukkan bahwa metode Naïve Bayes dapat diimplementasikan sebagai dasar pengambilan keputusan dalam merekomendasikan jurusan mahasiswa. Namun, akurasi yang diperoleh menunjukkan bahwa pengembangan lebih lanjut, seperti peningkatan jumlah titik data dan atribut, masih diperlukan untuk meningkatkan kinerja sistem.
References
Alim, S. (2021). Implementasi Orange data mining untuk klasifikasi kelulusan mahasiswa dengan model k-nearest neighbor, decision tree, serta Naïve Bayes. 6(2), 133–144.
Alter, S. (2002). Information systems: Foundation of e-business (4th ed.). Prentice Hall.
Annur, H. (2018). Klasifikasi masyarakat miskin menggunakan metode Naïve Bayes. 10, 160–165.
Budianto, D. T., & Irawan, A. (2017). Sistem pendukung keputusan untuk menentukan jurusan siswa baru di SMK Negeri 1 Kragilan menggunakan metode Naïve Bayes. ProTekInfo (Pengembangan Riset dan Observasi Teknik Informatika), 1, 62–67. https://doi.org/10.30656/protekinfo.v1i0.34
Djaali. (2012). Metode penelitian kuantitatif. Bumi Aksara.
Fabiana Meijon Fadul. (2019). No title. 13–14.
Gorunescu, F. (2011). Data mining: Concepts, models and techniques. Springer.
Han, J., Kamber, M., & Pei, J. (2012). Data mining: Concepts and techniques (3rd ed.). Morgan Kaufmann.
Kusrini. (2007). Konsep dan aplikasi sistem pendukung keputusan. Andi.
Manu, G. A., Putra, Y. H., & Afrizal, Y. (n.d.). Sistem pendukung keputusan untuk menentukan pilihan jurusan mahasiswa menggunakan metode Naïve Bayes dan analytical hierarchy process (AHP): Studi kasus pada Akademi Teknik Kupang. https://doi.org/10.13140/RG.2.2.10127.18088
Prasetyo, E. (2012). Data mining: Konsep dan aplikasi menggunakan MATLAB. Andi.
Pratama, Y. P. (2021). Sistem pendukung keputusan rekomendasi jurusan dengan metode Naïve Bayes. 1(1), 18–23.
Pressman, R. S., & Maxim, B. R. (2015). Software engineering: A practitioner's approach (8th ed.). McGraw-Hill Education.
Putri, H., Purnamasari, A. I., Dikananda, A. R., Nurdiawan, O., & Anwar, S. (2021). Penerima manfaat bantuan non tunai Kartu Keluarga Sejahtera menggunakan metode Naïve Bayes dan KNN. Building of Informatics, Technology and Science (BITS), 3(3), 331–337. https://doi.org/10.47065/bits.v3i3.1093
Studi, P., Informasi, S., Putra, U. N., Sukabumi, C. K., & Barat, J. (2021). Sistem pendukung keputusan kenaikan jabatan menggunakan metode algoritma Naïve Bayes classifier. Jurnal Ilmiah Teknologi Informasi Terapan (JATIT), 11(1), 66–80. https://doi.org/10.34010/jati.v11i1
Turban, E., Sharda, R., Delen, D., & King, D. (2011). Decision support and business intelligence systems (10th ed.). Pearson
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Moch Nur Alfan Ardiansyah
This work is licensed under a Creative Commons Attribution 4.0 International License.
Copyright :
Authors who publish their manuscripts in this journal agree to the following conditions:
- Copyright in each article belongs to the author.
- The author acknowledges that the DIT has the right to be the first to publish under a Creative Commons Attribution 4.0 International license (Attribution 4.0 International CC BY 4.0).
- Authors can submit articles separately, arrange the non-exclusive distribution of manuscripts that have been published in this journal to other versions (for example, sent to the author's institutional repository, publication in a book, etc.), by acknowledging that the manuscript has been published for the first time at DIT.
