Evaluasi pembelajaran bahasa melalui platform kuis digital (Quizizz, Kahoot, Google Form, dan Moodle) menghasilkan data respons yang potensial untuk dimanfaatkan dalam memetakan tingkat pemahaman mahasiswa secara sistematis. Penelitian ini bertujuan untuk merancang model klasifikasi tingkat pemahaman mahasiswa pada ranah pembelajaran bahasa berbasis kuis digital dengan menerapkan algoritma Naïve Bayes via RapidMiner Studio 10.1. Kebaruan studi ini terletak pada pemanfaatan data kuesioner interaksi kuis digital yang dikhususkan untuk mengukur pemahaman pada konteks pembelajaran bahasa. Melibatkan 173 mahasiswa dari empat program studi di Institut Teknologi dan Kesehatan Ika Bina Labuhanbatu yang dipilih melalui teknik total sampling, data dikumpulkan menggunakan 27 butir instrumen berskala Likert lima poin. Dataset kemudian dibagi menjadi 138 data latih (80%) dan 35 data uji (20%). Berdasarkan evaluasi confusion matrix, model ini menghasilkan tingkat akurasi sebesar 91,43% dengan rincian 32 dari 35 data uji terklasifikasi secara tepat. Model ini membagi tingkat pemahaman ke dalam dua kategori, yakni Tinggi dan Sangat Tinggi. Kategori Sangat Tinggi mencatatkan precision 83,33% dan recall 100%, sementara kategori Tinggi memperoleh precision 100% dan recall 85%. Temuan ini membuktikan efektivitas serta potensi algoritma Naïve Bayes dalam menunjang evaluasi pendidikan yang berbasis data.
Copyrights © 2026