<![CDATA[Perkembangan teknologi informasi di sektor pendidikan telah mengakibatkan peningkatan jumlah informasi akademik siswa yang disimpan dalam format digital. Meski demikian, evaluasi kinerja siswa masih banyak dilakukan secara manual, yang membuat prosesnya tidak efektif, memakan waktu dan berisiko menimbulkan penilaian yang subjektif. Hal ini membuat pihak sekolah kesulitan untuk mendapatkan gambaran yang objektif dan menyeluruh mengenai kinerja siswa. Penelitian ini bertujuan untuk menggunakan pembelajaran mesin dengan pendekatan pembelajaran terawasi melalui metode Naive Bayesian untuk mengelompokkan kinerja siswa menjadi tiga kategori: "rendah," "tinggi" dan “sedang.” Metodologi yang diterapkan adalah pendekatan kuantitatif yang mencakup pengembangan sistem berbasis web. Informasi akademik siswa dipakai sebagai data masukan, yang melalui beberapa tahapan proses: unggahan data, validasi, pra-pemrosesan, klasifikasi dengan algoritma Naive Bayesian, dan presentasi hasil klasifikasi. Sistem ini dirancang untuk mempermudah pengelolaan data bagi penggunanya dan secara otomatis menampilkan hasil klasifikasi siswa. Hasil penelitian memperlihatkan bahwa sistem yang dibuat mampu untuk mengelompokkan seluruh informasi siswa dengan tingkat akurasi yang tinggi. Dari 258 set data siswa yang diuji, sistem berhasil membagi siswa ke dalam tiga kategori performa dengan pembagian yang jelas dan teratur. Penggunaan metode Naive Bayesian terbukti efektif dalam membantu proses penilaian kinerja siswa berdasarkan data akademis yang ada. Dari hasil ini, dapat ditarik kesimpulan bahwa penerapan sistem berbasis web untuk mengelompokkan kinerja siswa dengan metode Naive Bayesian bisa menjadi alat yang berguna untuk mendukung evaluasi akademik dan keputusan yang didasarkan pada data dalam dunia pendidikan.]]>
Copyrights © 2026
