<![CDATA[Salah satu penerapan data mining pada bidang pendidikan seperti untuk memprediksi kelulusan siswa sekolah. Prediksi kelulusan siswa ini menggunakan data yang berasal dari transkip nilai akhir dari masing-masing siswa, adapun atribut yang digunakan yakni nilai rata-rata pelajaran Bahasa Indonesia, Bahasa Inggris, dan Matematika mulai dari semester 1 hingga semester 5 serta riwayat SP yang pernah didapat selama siswa tersebut sekolah. Pada penelitian ini menggunakan dua metode data mining, yaitu algoritma C4.5 dan Naïve bayes. Penggunaan dua metode pada penelitian Akurasi: Decision Tree C4.5 memiliki akurasi sebesar 80%, sedangkan Naïve Bayes memiliki akurasi sebesar 75%. Hal ini menunjukkan bahwa Decision Tree C4.5 lebih akurat dalam memprediksi kelulusan siswa dibandingkan dengan Naïve Bayes.Presisi: Decision Tree C4.5 memiliki presisi sebesar 82%, sedangkan Naïve Bayes memiliki presisi sebesar 78%. Decision Tree C4.5 memiliki tingkat presisi yang sedikit lebih tinggi dibandingkan dengan Naïve Bayes.Recall: Decision Tree C4.5 memiliki recall sebesar 75%, sedangkan Naïve Bayes memiliki recall sebesar 80%. Naïve Bayes memiliki tingkat recall yang sedikit lebih tinggi dibandingkan dengan Decision Tree C4.5. F1-score: Decision Tree C4.5 memiliki F1 score sebesar 78%, sedangkan Naïve Bayes memiliki F1-score sebesar 76%. F1-score Decision Tree C4.5 sedikit lebih tinggi dibandingkan dengan Naïve Bayes. Kata Kunci: Data mining, Clacification, C4.5 Algoritma, Naive Bayes ]]>
Copyrights © 2023
