PENERAPAN ALGORITMA NAIVE BAYES PADA KLASIFIKASI PENERIMAAN PESERTA DIDIK BARU BERDASARKAN ZONASI (Studi Kasus : SD Negeri 01 Karanganyar)

Penelitian ini bertujuan untuk mengklasifikasikan dan memprediksi penerimaan peserta didik baru di SD Negeri 01 Karanganyar berdasarkan sistem zonasi menggunakan algoritma Naive Bayes. Model prediktif diharapkan dapat membantu sekolah dalam mengambil keputusan yang lebih objektif dan adil. Data yang digunakan adalah data calon peserta didik baru tahun ajaran 2022/2023-2024/2025. Variabel yang digunakan meliputi data demografi dan administrasi. Data awal sebanyak 360 ditambah dengan data sintetis hingga mencapai 956 data.
Model Naive Bayes dilatih menggunakan 80% data dan diuji kinerjanya menggunakan 20% data. Hasil evaluasi menunjukkan akurasi, presisi, recall, dan F1-score 100%, serta FPR 0%. Hasil ini menunjukkan bahwa model Naive Bayes sangat akurat dalam memprediksi penerimaan peserta didik baru.Faktor-faktor yang memengaruhi kinerja model antara lain kualitas data, penambahan data sintetis, dan pemilihan variabel prediktor.
Penelitian ini memiliki keterbatasan, diantaranya data terbatas pada satu sekolah dan potensi bias akibat penambahan data sintetis. Meskipun demikian, model Naive Bayes yang dikembangkan dapat menjadi alternatif metode seleksi yang lebih objektif dan transparan.