KOMPARASI ALGORITMA NAIVE BAYES DAN DECISION TREE PADA KLASIFIKASI PENERIMAAN PESERTA DIDIK BARU

Abstract

Penerimaan Peserta Didik Baru (PPDB) merupakan tahapan penting dalam menyeleksi calon peserta didik yang memenuhi kriteria lembaga pendidikan. Di Yayasan Sahabat Qur’an Al-Karim Jambi, peningkatan jumlah pendaftar tidak sebanding dengan kapasitas penerimaan, sehingga dibutuhkan proses seleksi yang lebih tepat dan objektif. Penelitian ini bertujuan untuk mengaplikasikan metode data mining dengan melakukan perbandingan antara algoritma Naïve Bayes dan Decision Tree CART untuk mengetahui algoritma yang paling efektif dalam klasifikasi penerimaan peserta didik baru. Proses penelitian mencakup tahap praproses data, pembagian dataset dengan proporsi 80% untuk pelatihan dan 20% untuk pengujian, penerapan kedua algoritma, serta dilakukan evaluasi mengggunakan k-fold cross validation dan confusion matrix. Temuan penelitian menunjukkan bahwa algoritma Decision Tree memberikan performa paling unggul dengan akurasi 98,77%, presisi 99,19%, recall 97,56%, dan f1-score 98,34%, sedangkan algoritma Naïve Bayes memperoleh akurasi 94,44%, presisi 96,54%, recall 89,02%, dan f1-score 92,04%.