Implementasi Algoritma Naive Bayes untuk Prediksi Minat Generasi Muda terhadap Seni Tari
DOI:
https://doi.org/10.29407/2wt7px05Keywords:
Algoritma Naive Bayes, Klasifikasi, Minat Generasi Muda, Seni TariAbstract
Minat generasi muda terhadap seni tari tradisional cenderung mengalami penurunan seiring berkembangnya budaya populer dan teknologi digital. Kondisi tersebut mendorong perlunya pemanfaatan teknologi untuk membantu memahami dan memprediksi minat generasi muda terhadap seni tari. Penelitian ini bertujuan untuk mengimplementasikan algoritma Naive Bayes dalam sistem prediksi minat generasi muda terhadap seni tari berdasarkan data hasil kuesioner. Data diperoleh dari responden berusia 15–25 tahun dengan variabel frekuensi menonton seni tari, tingkat kesukaan terhadap seni, dan dukungan lingkungan. Tahapan penelitian meliputi pengumpulan data, preprocessing, pelatihan model, serta evaluasi kinerja sistem. Hasil pengujian menunjukkan bahwa algoritma Naive Bayes mampu memprediksi minat generasi muda terhadap seni tari dengan tingkat akurasi yang tinggi yaitu 94.06 dan stabil pada data kategorikal. Implementasi sistem ini diharapkan dapat membantu pelaku seni dan pemangku kepentingan dalam merancang strategi pelestarian seni tari yang lebih efektif dan berbasis data.
Downloads
References
[1] N. Aurora Citra Ayu dan L. Sinta Bela, Perubahan Pola Pikir Generasi Muda Terhadap Budaya Tradisional Indonesia Dalam Perspektif Global, TANDA: Jurnal Kajian Budaya, Bahasa dan Sastra, vol. 3, no. 3, pp. 26–31, 2023.
[2] N. Nirmalasari Simbolon et al., Analisis Pengaruh Globalisasi dan Media Sosial Terhadap Minat Tari Tradisional di Generasi Muda, Jurnal Ilmiah Multidisiplin, vol. 1, no. 5, pp. 367–371, 2024.
[3] A. R. Faradiningsih dan A. Juwariyah, Pengembangan Minat Tari Melalui Ekstrakurikuler Seni Tari di SMPN 1 Mojokerto, Jurnal Pendidikan Sendratasik, vol. 10, no. 1, pp. 15–27, 2020.
[4] P. Yoselina et al., Sanggar Puti Bungo Awan sebagai Penjaga Budaya di Tengah Lesunya Generasi Muda, Jurnal Ilmiah, vol. 9, pp. 26496–26502, 2025.
[5] E. Suharyanto dan A. Zein, Analisis Data Minat Calon Mahasiswa Universitas Pamulang Menggunakan Algoritma Naive Bayes Classifier, Sainstech, vol. 32, no. 3, pp. 70–76, 2022.
[6] I. N. Bhakti et al., Klasifikasi Kategori Berita Menggunakan Naive Bayes, Prosiding Seminar Nasional, pp. 1155–1164, 2024.
[7] L. Utari dan Y. Ulfah, “Penerapan Metode Naïve Bayes untuk Prediksi Minat Baca Berdasarkan Usia,” TeknoIS: Jurnal Ilmiah Teknologi Informasi dan Sains, vol. 11, no. 1, pp. 67–74, May 2021.
[8] J. Siswoyo, D. F. S. W. Atmaja, I. D. P. Rumaropen, H. M. Saputra, A. K. Ayorbaba, dan A. Prasetyo, “Klasifikasi Tingkat Kepuasan Pelanggan Facebook Marketplace Menggunakan Algoritma Naïve Bayes,” JOISIE (Journal of Information Systems and Informatics Engineering), vol. 9, no. 1, pp. 237–245, Jun 2025, doi: 10.35145/joisie.v9i1.5048.
[9] Yoni dan A. Hardansyah, “Analisis Minat Konsumen Terhadap Produk Kain Dengan Menggunakan Algoritma Naive Bayes Classifier dan Algoritma K-Nearest Neighbor (Studi Kasus: PT. Winnersumbiri Knitting Factory),” Multiple (Institercom Publisher), vol. 3, no. 2, pp. 4882–4888, Feb 2025.
[10] A. F. Rafi dan P. Nerisafitra, “Perbandingan Metode Support Vector Machine dan Naive Bayes Classifier untuk Klasifikasi Survey Kepuasan Masyarakat terhadap Layanan UPT BLK Surabaya,” JINACS (Journal of Informatics and Computer Science), vol. 7, no. 1, 2025, ISSN: 2686-2220.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Arfian Fajar Wibisono, Risa Helilintar, Rony Heri Irawan
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
