<![CDATA[Penelitian ini bertujuan untuk membandingkan kinerja algoritma klasifikasi Decision Tree dan Naive Bayes dalam memprediksi tingkat kelulusan siswa di SDN 008 Sungai Dusun. Permasalahan yang dihadapi sekolah adalah belum adanya sistem prediksi kelulusan berbasis data sehingga proses evaluasi masih bersifat subjektif. Metode penelitian yang digunakan adalah penelitian kuantitatif dengan pendekatan komparatif. Data yang digunakan berjumlah 212 data siswa dengan 13 atribut, meliputi nilai mata pelajaran dan status kelulusan. Tahapan penelitian meliputi pengumpulan data, preprocessing, penerapan algoritma, serta evaluasi model menggunakan confusion matrix dengan parameter akurasi, presisi, dan recall. Pengujian dilakukan menggunakan aplikasi Altair AI Studio dengan teknik cross validation. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes memiliki performa lebih baik dibandingkan Decision Tree dengan nilai akurasi sebesar 97,64%, presisi 98,09%, dan recall 96,89%, sedangkan Decision Tree memperoleh akurasi 94,78%, presisi 95,84%, dan recall 92,56%. Berdasarkan hasil tersebut, algoritma Naive Bayes direkomendasikan sebagai metode yang lebih efektif untuk memprediksi kelulusan siswa.]]>
Copyrights © 2026
