ANALISIS PERBANDINGAN METODE NAÏVE BAYES DENGAN C45 UNTUK MENGUKUR TINGKAT KEPUASAN MAHASISWA

Abstract

Penelitian ini bertujuan untuk membandingkan klasifikasi Data di Kelompok Informatika Universitas Negeri Surabaya memakai dua teknik berbeda, yaitu Naïve Bayes dan C4.5, untuk mengukur tingkat kepuasan mahasiswa terhadap pembelajaran tatap muka. Kepuasan mahasiswa menjadi indikator penting dalam menilai mutu kesempatan belajar serta efektivitas strategi pengajaran. Data dari survei kepuasan mahasiswa dapat dianalisis lebih mendalam menggunakan algoritma C4.5 dan Naïve Bayes. Dalam desain penelitian ini, 150 mahasiswa akan memberikan jawaban mereka pada kuesioner yang mencakup berbagai aspek terkait pendidikan mereka, seperti kehadiran, partisipasi dalam diskusi, fasilitas, kualitas pembelajaran, dan layanan sistem informasi. Kedua metode tersebut digunakan untuk menganalisis data yang terkumpul guna menentukan nilai f1-score, akurasi, presisi, dan recall dari masing-masing metode tersebut. The research results show that the C4.5 algorithm has an accuracy rate of 97.33%, which is superior in handling student satisfaction data classification compared to Naïve Bayes which has an accuracy of 91.33%, especially on datasets with a data sharing ratio of 20:80. These findings provide valuable insights for educational institutions in choosing appropriate analytical methods for evaluating student satisfaction. Thus, the results of this research can be used as a basis for decision making in an effort to improve the quality of offline learning in the university environment.