IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK MENGUKUR TINGKAT MINAT BACA MASYARAKAT BENGKULU TERHADAP PROGRAM AKSARAYA SEMESTA

Safitri, Vony Kurnia (2026) IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK MENGUKUR TINGKAT MINAT BACA MASYARAKAT BENGKULU TERHADAP PROGRAM AKSARAYA SEMESTA. Skripsi (Bachelor) thesis, Universitas Muhammadiyah Bengkulu.

[img] Text (Fulltext)
Vony Kurnia Safitri_2255201031_Fulltext...pdf - Submitted Version
Restricted to Repository staff only

Download (1MB) | Request a copy
[img] Text (Turnitin)
Vony Kurnia Safitri_2255201031_Turinitin.pdf - Submitted Version
Restricted to Repository staff only

Download (4MB) | Request a copy
[img] Text (ABSTRAK+BAB 1)
Vony Kurnia Safitri_2255201031_Abstrak + BAB1..pdf - Submitted Version

Download (131kB)
[img] Text (BAB 2)
Vony Kurnia Safitri_2255201031_BAB2..pdf - Submitted Version

Download (144kB)
[img] Text (BAB 3)
Vony Kurnia Safitri_2255201031_BAB3...pdf - Submitted Version
Restricted to Repository staff only

Download (240kB) | Request a copy
[img] Text (BAB 4)
Vony Kurnia Safitri_2255201031_BAB4..pdf - Submitted Version
Restricted to Repository staff only

Download (297kB) | Request a copy
[img] Text (BAB 5)
Vony Kurnia Safitri_2255201031_BAB5..pdf - Submitted Version

Download (43kB)
[img] Text (Ref+Lamp)
Vony Kurnia Safitri_2255201031_ref+lamp.pdf - Submitted Version

Download (336kB)

Abstract

Minat baca masyarakat merupakan salah satu aspek penting dalam meningkatkan kualitas sumber daya manusia. Tingkat minat baca yang berbeda pada masyarakat menjadi salah satu hal yang perlu diketahui sebagai bahan evaluasi terhadap pelaksanaan program literasi. Penelitian ini bertujuan untuk mengimplementasikan algoritma Naïve Bayes dalam mengklasifikasikan tingkat minat baca masyarakat Bengkulu terhadap Program Komunitas Literasi Aksaraya Semesta serta mengetahui kinerja model yang dihasilkan. Penelitian ini menggunakan metode Cross Industry Standard Process for Data Mining (CRISP-DM) yang meliputi tahapan Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Data penelitian diperoleh melalui kuesioner digital berbasis Google Form dan setelah melalui proses data preparation diperoleh sebanyak 538 data yang digunakan dalam penelitian. Data dibagi menjadi 376 data training dan 162 data testing. Variabel penelitian terdiri atas sepuluh fitur yang berkaitan dengan aktivitas dan minat baca responden, sedangkan variabel target diklasifikasikan menjadi tiga kategori, yaitu Rendah, Sedang, dan Tinggi. Implementasi algoritma Naïve Bayes dilakukan menggunakan bahasa pemrograman Python pada platform Google Colab dengan library Scikitlearn. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes menghasilkan accuracy sebesar 80,25%, precision sebesar 60,21%, recall sebesar 68,09%, dan F1- score sebesar 62,44%. Pengujian menggunakan 10-Fold Cross Validation menghasilkan rata-rata accuracy sebesar 80,64%. Hasil klasifikasi menunjukkan bahwa model memiliki performa terbaik dalam mengklasifikasikan kategori minat baca Tinggi, sedangkan kategori Sedang masih menjadi kelas yang paling sulit diklasifikasikan. Berdasarkan hasil tersebut, algoritma Naïve Bayes dapat digunakan untuk mengklasifikasikan tingkat minat baca masyarakat Bengkulu terhadap Program Komunitas Literasi Aksaraya Semesta dan memberikan gambaran mengenai distribusi tingkat minat baca berdasarkan data hasil kuesioner.

Item Type: Thesis (Skripsi (Bachelor))
Additional Information: Pembimbing : Muhammad Husni Rifqo, S.Kom., M.Kom.
Uncontrolled Keywords: Naïve Bayes, CRISP-DM, klasifikasi, minat baca, literasi, Google Colab.
Subjects: Universitas Muhammadiyah Bengkulu > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Divisions: 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Subjek Terkait > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Depositing User: Mrs Siti Fathonah
Date Deposited: 09 Sep 2026 03:51
Last Modified: 09 Sep 2026 03:51
URI: http://repository.umb.ac.id/id/eprint/4432

Actions (login required)

View Item View Item