Melina Mutiara Putri Pengarang Muslim Hidayat, M.Kom Dosen Pembimbing 2 Hidayatus Sibyan, M.Kom Dosen Pembimbing 1 M. Fuad Asnawi, S.Kom., M.M. Penguji 2 Hidayatus Sibyan, M.Kom Ketua Penguji Nahar Mardiyantoro, M.Kom. Penguji 1

Pada Penelitian ini mengambil objek penelitian di SMK Negeri 2 Wonosobo. SMK Negeri 2 Wonosobo membuka 6 jurusan untuk kelangsungan proses belajar siswanya, yaitu jurusan Teknik Ketenagalistrikan, Teknik Kendaraan Ringan Otomotif, Teknik Elektronika, Desain Pemodelan dan Informasi Bangunan, Akuntansi dan Keuangan Lembaga, dan Animasi. Penjurusan siswa di SMK Negeri 2 Wonosobo dilakukan agar para siswa bisa menyalurkan bakat dan minat serta kemampuan di jurusan yang ada. Dalam melakukan penjurusan, parameter yang digunakan terdiri dari Nilai akhir rata-rata raport SMP (IPA, Matematika, Bahasa Inggris dan Bahasa Indonesia) minat, bakat dan tes buta warna. Dikarenakan belum ada metode untuk melakukan penjurusan siswa di SMK Negeri 2 Wonosobo maka banyak siswa yang salah memilih jurusan dan membuat siswa tersebut tidak optimal dalam belajar karena tidak sesuai dengan minat, bakat dan kemampuannya. Oleh karena itu diperlukan klasifikasi penjurusan yang tepat dan akurat, salah satunya menggunakan teknologi dibidang data Mining.Jenis penelitian yang dipakai adalah deskriptif analitis. Penelitian deskriptif analitis merupakan suatu metode yang berguna untuk mendeskripsikan atau memberikan gambaran pada objek yang diteliti melalui data atau sampel yang sudah dikumpulkan sebagaimana adanya tanpa melakukan analisis dan membuat kesimpulan yang berlaku untuk umum. Bisa dikatakan penelitian deskriptif analitis mengambil masalah atau memutuskan perhatian kepada masalah-masalah yang ada saat penelitian dilakukan dan kemudian diolah untuk mendapatkan kesimpulan. Pada hasil pengujian dengan aplikasi RapidMiner diperoleh hasil accuracy sebesar 96,57%. Hasil tersebut sama dengan perhitungan manual sebelumnya. Berdasarkan penelitian yang dilakukan serta hasil yang didapatkan dalam pengklasifikasian menggunakan algoritma naïve bayes adalah sebagai berikut : 1.Naïve Bayes dapat mengklasifikasikan penjurusaan siswa berdasarkan nilai akhir, minat, bakat dan tes buta warna. 2.Hasil klasifikasi dipengaruhi oleh banyaknya data training dan minat siswa, semakin banyak data training semakin tinggi nilai akurasinya. 3.Untuk penjurusan siswa dengan studi kasus di SMK Negeri 2 Wonosobo yang dengan data awal sebanyak 145 menghasilkan nilai akurasi sebesar 96,57% dari data training dan data testing. Kata kunci : Klasifikasi, penjurusan, naïve bayes.