<![CDATA[Peneitian ini dimaksudkan untuk memprediksi suatu kejadian khususnya kelulusan yang merupakan hal sulit dimana hal tersebut ditinjau berdasarkan letak kemampuan para siswa paket C. Tujuan dari penelitian ini untuk mengurangi kegagalan siswa mencapai kelulusan dapat dilakukan dengan prediksi kelulusan berdasarkan data nilai ujian yang dilakukan oleh lembaga. Penelitian ini menggunakan metode Naive Bayes yang merupakan salah satu teknik atau metode dari data mining yang dapat digunakan untuk proses klasifikasi dengan menggunakan probabilitas dan statistik yang dapat memprediksi peluang dimasa depan berdasarkan pengalaman sebelumnya. pemilihan metode ini karena Naive Bayes memiliki kelebihan diantaranya dapat memprediksi jumlah kelulusan berdasarkan data-data yang konkrit agar hasilnya dapat dipertanggung jawabkan dan digunakan untuk prediksi selanjutnya. Berdasarkan latar belakang tersebut, penulis merumuskan masalah sebagai berikut: (a) Bagaimana membangun model klasifikasi dalam memprediksi kelulusan siswa paket C dengan menggunakan metode klasifikasi Naive Bayes, (b) Berapa tingkat akurasi yang dihasilkan oleh metode klasifikasi Naive Bayes dalam memprediksi kelulusan siswa paket C? (c) Bagaimana langkah lembaga setelah mengetahui siswa yang diprediksi tidak lulus ?. Data mining merupakan proses penemuan pola-pola baru dari kumpulan-kumpulan data yang sangat besar, yang meliputi metode-metode irisan dari artificial intelligence, machine learning, statistics, dan database system. Data mining juga dapat mengekstraksi (mengambil intisari) pengetahuan dari sekumpulan data sehingga didapatkan struktur yang dapat dimengerti manusia serta meliputi basis data dan manajemen data, prapemrosesan data, pertimbangan model dan inferensi, ukuran ketertarikan, pertimbangan kompleksitas, pasca pemrosesan terhadap struktur yang ditemukan, visualisasi, dan online updating. Data yang digunakan dalam penelitian ini adalah data yang didapatkan dari pengelola lembaga PKBM data siswa 2015-2017 sebanyak 189 siswa, sebagai data training, dan data siswa tahun 2018 sebanyak 107 siswa, sebagai data testing.]]>
