Penerapan Data Mining Naive Bayes dalam Memprediksi Dampak Faktor Ekonomi terhadap Siswa Sekolah Dasar di Lingkungan Perkebunan
DOI:
https://doi.org/10.65310/24dznc68Keywords:
Data Mining, Naive Bayes, Economic Factors, ClassificationAbstract
This study aims to analyze the application of data mining using the Naive Bayes algorithm to predict the impact of economic factors on elementary school students living in plantation areas. The dataset used in this research consists of student records obtained from SDN 113820 Perkebunan Berangir, including variables such as distance from home to school, student age, early childhood education background, ownership of the Kartu Indonesia Pintar (KIP), and parental income. A total of 95 records were utilized as training data and processed using Orange software version 3.39.0. The evaluation results indicate that the Naive Bayes model achieved an accuracy of 85.3% with an Area Under Curve (AUC) value of 1.000 for both classes, demonstrating excellent classification capability. Although some misclassification occurred in the non-eligible class, the overall performance confirms that Naive Bayes is an effective and reliable classification method for analyzing socioeconomic factors in educational contexts. The findings suggest that this approach can support data-driven decision-making in educational assistance programs.
Downloads
References
Ambarita, M. N., Nasution, M., & Mutiah, R. (2024). Analisis Prediksi Prestasi Siswa Uptd Sd Negeri 30 Aek Batu Dalam Machine Learning Dengan Metode Naive Bayes. Jurnal Syntax Admiration, 5(8), 3167-3177. Https://Doi.Org/10.46799/Jsa.V5i8.1493
Fajriah, R., & Kurniawan, D. (2024). Komparasi Pengaruh Model Klasifikasi Naive Bayes Dan Support Vector Machine Pada Analisis Data Sentimen Di Bidang Pendidikan. Faktor Exacta, 17(2), 167-178. Http://Dx.Doi.Org/10.30998/Faktorexacta.V17i2.22342
Fidiyanto, N., & Izzati, A. N. (2024). Penerapan Data Mining Klasifikasi Lahan Tanam Buah Alpukat Dengan Algoritma Naïve Bayes. Bios: Jurnal Teknologi Informasi Dan Rekayasa Komputer, 5(2), 95-103. Https://Doi.Org/10.37148/Bios.V5i2.125
Fitriana, S. (2024). A Prediksi Siswa Putus Sekolah Dan Keberhasilan Akademik Menggunakan Machine Learning: Prediksi Siswa Putus Sekolah Dan Keberhasilan Akademik. The Indonesian Journal Of Computer Science, 13(6). Https://Doi.Org/10.33022/Ijcs.V13i6.4453
Hilmawan, G. H. (2025). Literatur Review: Efektifitas Penerapan Metode Naïve Bayes Untuk Prediksi Kelulusan. Jurnal Media Akademik (Jma), 3(6). Https://Doi.Org/10.62281/V3i6.2434
Kristina, A., & Rukiastiandari, S. (2025). Penerapan Algoritma C4. 5 Untuk Klasifikasi Kelayakan Penerima Program Indonesia Pintar (Pip) Di Sd Negeri 13 Jongkong: Implementation Of The C4. 5 Algorithm For Classifying Eligibility Of Indonesia Smart Program (Pip) Recipients At Sd Negeri 13 Jongkong. Hoaq (High Education Of Organization Archive Quality): Jurnal Teknologi Informasi, 16(2), 156-169. Https://Doi.Org/10.52972/Hoaq.Vol16no2.P156-169
Leza, M. A. A., Utami, N. W., & Dewi, P. A. C. (2024). Prediksi Prestasi Siswa Smas Katolik Santo Yoseph Denpasar Berdasarkan Kedisiplinan Dan Tingkat Ekonomi Orang Tua Menggunakan Metode Knowledge Discovery In Database Dan Algoritma Regresi Linier Berganda. Jati (Jurnal Mahasiswa Teknik Informatika), 8(1), 373-379. Https://Doi.Org/10.36040/Jati.V8i1.8754
Lubis, F. A. A. S., Buaton, R., & Sembiring, H. (2024). Application Of Data Mining Correlation Between Family Socio-Economy And Student Achievement Level. Journal Of Engineering, Technology And Computing (Jetcom), 3(1), 34-42. Https://Doi.Org/10.63893/Jetcom.V3i1.141
Lubis, T., & Riza, F. (2025). Penerapan Hybrid C4. 5 Dan Naïve Bayes Untuk Rekomendasi Jurusan Kuliah Pada Siswa Sma. Jatisi, 12(3). Https://Doi.Org/10.35957/Jatisi.V12i3.13502
Patrianingsih, N. K. W., & Sugianta, I. K. A. (2023). Penerapan Naïve Bayes Pada Potensi Akademik Siswa Sd Negeri 5 Singakerta. Jiska (Jurnal Informatika Sunan Kalijaga), 8(2), 154-163. Https://Doi.Org/10.14421/Jiska.2023.8.2.154-163
Pebdika, A., Herdiana, R., & Solihudin, D. (2023). Klasifikasi Menggunakan Metode Naive Bayes Untuk Menentukan Calon Penerima Pip. Jati (Jurnal Mahasiswa Teknik Informatika), 7(1), 452-458. Https://Doi.Org/10.36040/Jati.V7i1.6303
Pekuwali, A. A., Bano, V. O., Panja, A. D. D., & Prasetyo, F. I. (2025). Eksplorasi Variabel Berpengaruh Dan Akurasi Algoritma Naive Bayes Classifier Untuk Mengklasifikasikan Performa Siswa Sekolah Dasar: Exploration Of Influential Variables And Accuracy Of The Naive Bayes Classifier Algorithm For Classifying The Performance Of Elementary School Students. Malcom: Indonesian Journal Of Machine Learning And Computer Science, 5(3), 819-829. Https://Doi.Org/10.57152/Malcom.V5i3.1813
Punkastyo, D. A., Septian, F., & Syaripudin, A. (2024). Implementasi Data Mining Menggunakan Algoritma Naïve Bayes Untuk Prediksi Kelulusan Siswa. Journal Of System And Computer Engineering, 5(1), 24-35. Https://Doi.Org/10.61628/Jsce.V5i1.1073
Putri, S. A., & Rachmatika, R. (2025). Penerapan Algoritma Random Forest Dan Smote Untuk Prediksi Risiko Putus Sekolah Siswa Sekolah Menengah Kejuruan. Decode: Jurnal Pendidikan Teknologi Informasi, 5(3), 903-910. Https://Doi.Org/10.51454/Decode.V5i3.1360
Rahayu, D., Solikhun, S., & Sormin, R. K. (2023). Analysis Of Family Economic Factors On Students' Learning Interest Using The C4. 5 Algorithm. Jomlai: Journal Of Machine Learning And Artificial Intelligence, 2(2), 161-170. Https://Doi.Org/10.55123/Jomlai.V2i2.3195
Riyanto, A., & Ompusunggu, E. S. (2024). Implementasi Data Mining Untuk Mengklasifikasi Hasil Belajar Siswa/I Dengan Metode Naïve Bayes. Jurnal Teknologi Dan Ilmu Komputer Prima (Jutikomp), 7(2), 129-141. Https://Doi.Org/10.34012/Jutikomp.V7i2.5237
Sari, A. O., Iqbal, M., & Nasution, D. (2025). Analisis Faktor Demografi Dan Sosial Ekonomi Untuk Mendeteksi Dini Risiko Putus Kuliah Menggunakan Metode Support Vector Machine (Svm) Dan Decision Tree (Studi Kasus: Stmik Triguna Dharma). Jurnal Multimedia Dan Teknologi Informasi (Jatilima), 7(02), 96-108. Https://Doi.Org/10.54209/Jatilima.V7i02.1439
Sariangsah, H. (2025). Penerapan Metode Naive Bayes Dalam Menentukan Lokasi Ideal Untuk Usaha Seragam Sekolah. Jurnal Sistem Informasi Triguna Dharma (Jursi Tgd), 4(3), 478-485. Https://Doi.Org/10.53513/Jursi.V4i3.11030
Siahaan, D. B. M., Bagre, E. C., Wanda, J. I., Silahooy, G., & Sutejo, H. (2025). Implementation Of Naïve Bayes Algorithm On The Eligibility Of Kartu Indonesia Pintar Scholarship (Case Study: University Of Sepuluh Nopember Papua). Jurnal Ilmiah Sistem Informasi, 4(1), 191-204. Https://Doi.Org/10.51903/Rdzdm469
Supriani, N., Ningrum, S. W., & Nugraheni, A. G. (2025). Penerapan Algoritma Naive Bayes Dalam Machine Learning Untuk Klasifikasi Faktor-Faktor Yang Mempengaruhi Kesehatan Mental Siswa. Technology And Informatics Insight Journal, 4(2), 19-29. Https://Doi.Org/10.32639/Y35c0d63
Suroto, S., Purnomo, H., & Pambudi, R. E. (2024). Data Mining Untuk Memprediksi Prestasi Peserta Didik Di Smkn 1 Penawartama Tulang Bawang Menggunakan C4. 5: Data Mining Untuk Memprediksi Prestasi Peserta Didik Berdasarkan Sosial Ekonomi, Motivasi, Kedisiplinan Dan Prestasi Masa Lalu Di Smkn 1 Penawartama Tulang Bawang Menggunakan Algoritma C4. 5. Jupiter: Jurnal Penelitian Ilmu Dan Teknologi Komputer, 16(2), 515-524. Https://Doi.Org/10.5281/Zenodo.12743856
Thoriq, M., Maulana, F., Eirlangga, Y. S., Hayati, N., & Madani, M. A. (2025). Implementasi Algoritma Naïve Bayes Dalam Prediksi Penerimaan Mahasiswa Penerima Beasiswa Kip Di Universitas Adzkia. Jurnal Fasilkom, 15(1), 108-114. Https://Doi.Org/10.37859/Jf.V15i1.8959
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Trisalia Purba, Dea putri sartika, Ajeng Pratiwi, Zakaria Hasibuan (Author)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
