<![CDATA[Penelitian ini dilatarbelakangi oleh rendahnya kemampuan pemecahan masalah matematis siswa berdasarkan studi internasional dan nasional. Penelitian ini bertujuan mengidentifikasi faktor yang dominan dalam memengaruhi kemampuan pemecahan masalah matematis dan mengklasifikasikan kemampuan tersebut berdasarkan faktor-faktor pembelajaran menggunakan algoritma Naive Bayes. Penelitian menggunakan pendekatan kuantitatif deskriptif. Data dikumpulkan melalui angket dan tes kemampuan pemecahan masalah dari 113 siswa kelas XI di 2 sekolah swasta dan 2 sekolah negeri. Data dibagi menjadi data training dan data testing menggunakan perangkat lunak RapidMiner. Hasil analisis menunjukkan bahwa algoritma Naive Bayes mampu mengklasifikasikan kemampuan pemecahan masalah dengan tingkat akurasi sebesar 67,86%. Hasil prediksi data mining menunjukkan bahwa kemampuan pemecahan masalah siswa masih rendah jika ditinjau dari faktor-faktor yang memengaruhi pembelajaran matematika. Berdasarkan hasil uji chi-square, faktor asal sekolah merupakan faktor yang paling dominan. Temuan ini menunjukkan bahwa teknik data mining dapat dimanfaatkan sebagai alat bantu dalam pengambilan keputusan pendidikan, khususnya untuk mengidentifikasi faktor-faktor yang memengaruhi pembelajaran berdasarkan data empiris. Kata kunci: Data Mining, Faktor Pembelajaran, Naive Bayes, Pemecahan Masalah Matematis, RapidMiner Abstract: This study was motivated by students’ low mathematical problem-solving ability, as indicated by international and national studies. It aimed to identify the dominant factors influencing mathematical problem-solving ability and classify this ability based on learning factors using the Naive Bayes algorithm. A quantitative descriptive approach was employed. Data were collected through questionnaires and problem-solving tests administered to 113 grade XI students from 2 private schools and 2 public schools. The data were divided into training and testing datasets using RapidMiner software. The results showed that Naive Bayes classified problem-solving ability with an accuracy of 67.86%. Data mining predictions indicated that students’ problem-solving ability remained low when considered in relation to the factors influencing mathematics learning. According to the chi-square results, school of origin was the most dominant factor. These findings suggest that data mining can support educational decision-making, particularly in identifying factors influencing learning based on empirical data. Keywords: Data Mining, Learning Factors, Naive Bayes, Mathematical Problem Solving, RapidMiner]]>
