Penggunaan media sosial memudahkan mahasiswa untuk berinteraksi satu sama lain. Namun, penggunaannya yang berlebihan dan tidak menghiraukan waktu akan menimbulkan masalah kecanduan bagi mahasiswa. Maka dari itu, diperlukan aturan atau pola untuk memprediksi tingkat kecanduan penggunaan media sosial pada mahasiswa menggunakan teknik klasifikasi data mining. Dalam klasifikasi data mining, algoritma Naïve Bayes dan Decision Tree memperoleh nilai akurasi yang paling tinggi dibandingkan algoritma klasifikasi lain. Penelitian ini bertujuan untuk melakukan komparasi pada algoritma Naïve Bayes dan Decision Tree. Data yang digunakan sebanyak 121 data dengan menu split data yaitu 80% sebanyak
97 sebagai data training dan 20% sebanyak 24 sebagai data testing. Penelitian ini menggunakan teknik analisis data dengan mengkomparasikan algoritma Naïve Bayes dan Decision Tree. Hasil dari penelitian ini yaitu dalam memprediksi tingkat kecanduan pada mahasiswa, algoritma Naïve Bayes menggunakan nilai probabilitas P (X Ci) P (Ci), sedangkan algoritma Decision Tree menggunakan aturan yang dihasilkan oleh pohon keputusan. Berdasarkan hasil pengujian, algoritma Naïve Bayes memperoleh nilai akurasi yang lebih tinggi sebesar 87,50%, sedangkan nilai akurasi yang diperoleh algoritma Decision Tree sebesar 83,33%.