PREDIKSI JUMLAH SISWA BARU DI MTs ISLAMIYAH TANGGULANGIN DENGAN ALGORITMA NAIVE BAYES

Proses penerimaan siswa baru merupakan salah satu tahapan penting dalam dunia pendidikan, khususnya di Madrasah Tsanawiyah (MTs). Seleksi calon siswa baru yang efisien dan akurat sangat dibutuhkan untuk memastikan bahwa siswa yang diterima memiliki potensi dan kualifikasi yang sesuai dengan standar sekolah.
Dalam skripsi ini, dikembangkan sebuah sistem prediksi penerimaan calon siswa baru di MTs. Islamiyah Tanggulangin menggunakan pendekatan Naive Bayes.
Metode Naive Bayes dipilih karena kemampuannya untuk melakukan klasifikasi dengan cepat dan memiliki tingkat akurasi yang cukup tinggi meskipun asumsi independensi antar variabelnya sederhana. Sistem ini memanfaatkan data historis calon siswa yang meliputi nilai akademik, hasil tes masuk, dan beberapa faktor penunjang lainnya seperti prestasi ekstrakurikuler dan latar belakang keluarga. Setelah itu, data diolah dan digunakan untuk melatih model prediksi.
Hasil studi menunjukkan bahwa sistem prediksi berbasis Naive Bayes dapat memberikan rekomendasi yang akurat mengenai calon siswa yang memiliki peluang besar untuk diterima di MTs. Islamiyah Tanggulangin. Tingkat akurasi sistem diuji menggunakan metode validasi silang dan dibandingkan dengan metode klasifikasi lainnya. Diharapkan sistem ini akan membantu sekolah dalam memilih siswa baru untuk diterima dengan lebih adil.
========================================================================================================================
The process of accepting new students is one of the important stages in the world of education, especially at Madrasah Tsanawiyah (MTs). Efficient and accurate selection of prospective new students is needed to ensure that accepted students have potential and qualifications that meet school standards. In this thesis, a prediction system for the acceptance of prospective new students at MTs is
developed. Islamiyah Tanggulangin uses the Naive Bayes approach.
The Naive Bayes method was chosen because of its ability to carry out classification quickly and has a fairly high level of accuracy even though the assumption of independence between variables is simple. This system utilizes historical data of prospective students which includes academic scores, entrance test results, and several other supporting factors such as extracurricular achievements and family background. After that, the data is processed and used to train a prediction model.
The study results show that a Naive Bayes-based prediction system can provide accurate recommendations regarding prospective students who have a high chance of being accepted at MTs. Islamiyah Responds. The system accuracy level was tested using the cross validation method and compared with other classification methods. It is hoped that this system will help schools select new students to accept
more fairly.