Implementasi Algoritma Naive Bayes Untuk Memprediksi Peminatan Siswa SMA Negeri 1 Banyudono.

Penentuan peminatan siswa di jenjang SMA merupakan aspek penting dalam mendukung proses pembelajaran yang sesuai dengan potensi dan minat peserta didik. Namun, pendekatan konvensional yang bersifat subjektif sering kali menyebabkan ketidaktepatan dalam penempatan jurusan. Penelitian ini bertujuan untuk mengimplementasikan sistem prediksi peminatan siswa berbasis algoritma Naive Bayes tipe CategoricalNB. Dataset yang digunakan terdiri dari 954 data siswa, dengan nilai beberapa mata pelajaran yang dikategorikan ke dalam empat tingkatan, yaitu A (90), B (80–89), C (70–79), dan D (70). Tiga paket peminatan yang digunakan adalah: Paket 1 (Matematika Lanjut, Fisika, Kimia, Biologi, PKWU), Paket 2 (Geografi, Ekonomi, Kimia, Informatika, PKWU), dan Paket 3 (Geografi, Ekonomi, Sosiologi, PKWU). Data dibagi dalam dua skema, yaitu 70:30 dan 80:20 untuk pelatihan dan pengujian. Pengembangan sistem dilakukan menggunakan model SDLC Waterfall dan diimplementasikan dalam bentuk dashboard interaktif berbasis Streamlit. Hasil pengujian menunjukkan akurasi sebesar 84,32% dan 82,19%, disertai nilai precision, recall, dan F1-score yang stabil. Sistem ini diharapkan dapat membantu pihak sekolah dalam pengambilan keputusan peminatan secara lebih objektif dan terukur.