Fitur Seleksi Information Gain untuk Menentukan Atribut yang Berpengaruh pada Klasifikasi Nilai Akhir Siswa Menggunakan Algoritma Naïve Bayes

Sekolah merupakan lembaga atau sarana dalam melaksanakan pelayanan belajar atau proses pendidikan. Saat ini, masalah nilai akhir siswa dan faktor penyebabnya menjadi topik yang menarik untuk diteliti. Data Mining dalam dunia pendidikan dikenal dengan Educational data Mining. EDM dapat membantu pendidik untuk menganalisis siswa, mendeteksi siswa yang memerlukan dukungan dan memprediksi performa siswa. Naive Bayes memanfaatkan fungsi seleksi fitur dari Information gain untuk pemilihan atribut data dengan karakteristik data itu sendiri, dan meningkatkan ketepatan klasifikasi naive bayes. Information gain berbasis Naive Bayes lebih akurat dan efektif dalam mengkalsifikasikan nilai akhir siswa dengan hasil akurasi 88.35% dengan memperoleh atribut yang berpengaruh yaitu: G3, G2, G1, Failures, Medu, Mjob, Goout, Higher, Schoolsup, Fjob, Internet, guardian.