ANALISIS PENERAPAN SISTEM UNTUK REKOMENDASI BIDANG OLIMPIADE SISWA SMPN 2 CIKUPA BERBASIS WEB MENGGUNAKAN NAIVE BAYES
Keywords:
Naive Bayes, Sistem Rekomendasi, Olimpiade, Machine Learning, WebsiteAbstract
Sistem pemilihan siswa untuk olimpiade di SMPN 2 Cikupa masih bersifat manual dan subjektif berdasarkan pengamatan guru. Penelitian ini bertujuan mengembangkan sistem rekomendasi bidang olimpiade berbasis web menggunakan algoritma Gaussian Naive Bayes untuk memberikan rekomendasi objektif berdasarkan data akademik siswa. Metode penelitian menggunakan pendekatan kuantitatif dengan pengumpulan data nilai rapor 855 siswa kelas 7 dan 8 yang mencakup bidang IPA, IPS, dan Matematika. Sistem dikembangkan menggunakan Python dengan framework Flask, template engine Jinja2, dan database MySQL. Hasil pengujian menunjukkan akurasi model sebesar 79,53% dengan precision tertinggi pada bidang MTK (87,34%) dan recall tertinggi pada bidang MTK (85,19%). Pengujian Black Box menunjukkan seluruh fungsi sistem berjalan sesuai harapan. Sistem berbasis web yang dikembangkan memudahkan akses siswa dan pihak sekolah dalam memperoleh rekomendasi bidang olimpiade secara objektif dan terstruktur, menggantikan pendekatan konvensional yang subjektif.
References
Barbier, K., Struyf, E., Verschueren, K., dan Donche, V. 2023. Fostering Cognitive and Affective-Motivational Learning Outcomes for High-Ability Students in Mixed-Ability Elementary Classrooms: A Systematic Review. European Journal of Psychology of Education. 38(1):83-107.
Ginting, F.W., Syafrizal, M., Mellyzar, Rejeki, N.S., dan Harahap, E. 2024. Bimbingan Olimpiade Sains Nasional Bidang Fisika dan Kebumian Bagi Siswa SMA/MA. Jurnal Pengabdian Masyarakat. 5(2):120-128.
Grinberg, M. 2018. Flask Web Development, Ed.2. O'Reilly Media, Sebastopol.
Gunawan, A., Tine, M., dan Murwaningtyas, C. 2024. Prediksi Keberhasilan Akademik Menggunakan Nilai Rapor. Jurnal Pendidikan Indonesia. 12(3):215-228.
Khairy, D., Alharbi, N., Amasha, M.A., Areed, M.F., Alkhalaf, S., dan Abougalala, R.A. 2024. Prediction of Student Exam Performance Using Data Mining Classification Algorithms. Education and Information Technologies. 29(4):4235-4258.
Kuhn, M. dan Johnson, K. 2019. Feature Engineering and Selection: A Practical Approach for Predictive Models. CRC Press, Boca Raton.
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., dan Brucher, M. 2011. Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research. 12:2825-2830.
Perkasa, K.B.P.Y. dan Purwiantono, F.E. 2023. Sistem Rekomendasi Jurusan Menggunakan Algoritma Naive Bayes Gaussian Berbasis Web. J-Intech (Journal of Information and Technology). 11(2):361-370.
Prairi, M.Z., Alfian, Z., dan Harefa, K. 2025. Kecocokan Keputusan Pohon Algoritma pada Kimia Organik: Perbandingan ROC AUC Keputusan Pohon dan Ketetanggaan. Journal of Innovative and Creativity. 5(2):10689-10700.
Yudha, M. dan Putri, D.I. 2022. Pemanfaatan Algoritma Naive Bayes dan K-Nearest Neighbor Untuk Klasifikasi Jurusan Siswa Kelas XI. Jurnal Tekno Kompak. 16(2):176-185.
