Klasifikasi Rekomendasi Jurusan Kuliah Menggunakan Metode Naive Bayes Dan Evaluasi Confusion Matrix Dalam Perspektif Pendidikan Islam Al-Ghazali
DOI:
https://doi.org/10.61492/a2jg5b26Keywords:
Naive Bayes, Confusion Matrix, Rekomendasi Jurusan , Al-GhazaliAbstract
Pemilihan jurusan kuliah merupakan keputusan penting dalam pendidikan karena berpengaruh terhadap perkembangan akademik dan karier peserta didik di masa depan. Pada praktiknya, banyak peserta didik memilih jurusan berdasarkan tren, pengaruh lingkungan, maupun dorongan eksternal tanpa mempertimbangkan kemampuan akademik dan minat yang dimiliki. Kondisi tersebut dapat menyebabkan ketidaksesuaian jurusan dan menurunnya motivasi belajar. Penelitian ini bertujuan untuk mengklasifikasikan rekomendasi jurusan kuliah menggunakan metode Naive Bayes dan mengevaluasi performa model menggunakan Confusion Matrix dalam perspektif pendidikan Islam menurut Al-Ghazali. Penelitian ini menggunakan pendekatan kuantitatif dengan teknik klasifikasi berbasis machine learning. Data penelitian terdiri atas nilai akademik, nilai Bahasa Inggris, minat peserta didik, dan rekomendasi jurusan. Proses klasifikasi dilakukan menggunakan algoritma Naive Bayes, sedangkan evaluasi model dilakukan menggunakan indikator Confusion Matrix meliputi accuracy, precision, recall, dan f1-score. Hasil penelitian menunjukkan bahwa metode Naive Bayes mampu mengklasifikasikan rekomendasi jurusan kuliah secara efektif berdasarkan karakteristik peserta didik. Hasil evaluasi menunjukkan nilai accuracy sebesar 90%, precision sebesar 88%, dan recall sebesar 89%, yang menandakan bahwa model klasifikasi memiliki performa yang baik dalam memprediksi jurusan yang sesuai. Temuan penelitian juga menunjukkan bahwa sistem rekomendasi berbasis machine learning dapat membantu proses pengambilan keputusan pendidikan secara lebih objektif dan sistematis.
Downloads
References
Aggarwal, C. C. (2022). Data mining: The textbook (2nd ed.). Springer. https://doi.org/10.1007/978-3-030-99699-0
Algarni, S., & Sheldon, F. (2023). Systematic review of recommendation systems for course selection. Machine Learning and Knowledge Extraction, 5(2), 560–596. https://doi.org/10.3390/make5020033
Arifin, Z. (2021). Filsafat pendidikan Islam. Bumi Aksara.
Fadillah, R., & Wahyuni, S. (2022). Implementasi data mining dalam klasifikasi peminatan siswa menggunakan algoritma Naive Bayes. Jurnal Teknologi Informasi dan Ilmu Komputer, 9(4), 745–752. https://doi.org/10.25126/jtiik.202294570
Fauzan, A., & Sari, D. P. (2023). Analisis performa algoritma klasifikasi pada sistem rekomendasi jurusan siswa. Jurnal Informatika, 10(2), 115–124.
Gorunescu, F. (2021). Data mining: Concepts, models and techniques. Springer.
Han, J., Kamber, M., & Pei, J. (2022). Data mining: Concepts and techniques (4th ed.). Morgan Kaufmann.
Huda, M. (2021). Paradigma pendidikan Islam. Prenada Media.
Kusrini, & Luthfi, E. T. (2021). Algoritma data mining. Andi Publisher.
Markoulidakis, I., Kopsiaftis, G., Rallis, I., & Georgoulas, I. (2021). Multi-class confusion matrix reduction method and its application on net promoter score classification problem. Proceedings of the 14th PErvasive Technologies Related to Assistive Environments Conference, 412–419. https://doi.org/10.1145/3453892.3453943
Muzaqi, W. I., Rohman, M. G., & Reknadi, D. B. (2025). Major recommendation system for new students at SMK Muhammadiyah 1 Lamongan with Naive Bayes algorithm. Jurnal Sisfokom (Sistem Informasi dan Komputer), 14(3), 335–343. https://doi.org/10.32736/sisfokom.v14i3.2390
Nata, A. (2021). Pemikiran pendidikan Islam dan Barat. Rajawali Pers.
Norhalimi, M., & Siswa, T. A. Y. (2022). Optimasi seleksi fitur information gain pada algoritma Naïve Bayes dan K-Nearest Neighbor. JISKA (Jurnal Informatika Sunan Kalijaga), 7(3), 237–255. https://doi.org/10.14421/jiska.2022.7.3.237-255
Perkasa, K. B. P. Y., & Purwiantono, F. E. (2023). Department recommendation system using web based Naive Bayes Gaussian algorithm. J-INTECH (Journal of Information and Technology), 11(2), 148–156. https://doi.org/10.32664/j-intech.v11i2.1090
Prasetyo, E. (2021). Data mining: Konsep dan aplikasi menggunakan MATLAB. Andi Publisher.
Putra, D. W. T., & Suprapto, Y. K. (2022). Penerapan machine learning dalam sistem rekomendasi pendidikan. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 6(1), 44–51. https://doi.org/10.29207/resti.v6i1.3580
Rahman, A. (2022). Konsep pendidikan Islam perspektif Al-Ghazali dalam pengembangan potensi peserta didik. Jurnal Pendidikan Islam, 8(2), 133–145.
Saleh, A., Sitompul, B. A., Laia, L. F. W., & Sinaga, N. F. (2023). Improving the major recommendation systems: Analysis of hybrid Naïve Bayes-based collaborative filtering and fuzzy logic. Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control, 8(4), 417–426. https://doi.org/10.22219/kinetik.v8i4.1797
Sarker, I. H. (2021). Machine learning: Algorithms, real-world applications and research directions. SN Computer Science, 2(3), 160. https://doi.org/10.1007/s42979-021-00592-x
Sigitta, R. C., Ghozali, M. G., & Saraswati, N. M. (2021). Penerapan algoritma K-Means dan algoritma Naïve Bayes dalam pemilihan konsentrasi jurusan siswa di SMA Islam Ta’alumul Huda Bumiayu. Indonesian Journal of Informatics and Research, 2(2), 19–25.
Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2021). Data mining: Practical machine learning tools and techniques (5th ed.). Morgan Kaufmann.
Zed, M. (2022). Metode penelitian kepustakaan. Yayasan Pustaka Obor Indonesia.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Muhamad Bayu Firdaus, Iqbal Noor (Author)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
