ANALISIS SENTIMEN KULIAH DARING DENGAN ALGORITMA NAÏVE BAYES, K-NN DAN DECISION TREE
##plugins.themes.academic_pro.article.main##
Abstract
Kuliah daring dianggap sebagai solusi untuk terus menjalankan proses mengajar dimasa pandemi. Namun kurangnya adaptasi dan perubahan secara mendadak menyebabkan berbagai respon dan opini masyarakat bermunculan dimedia sosial. Hal ini menimbulkan sikap pro dan kontra dari berbagai pihak. Untuk itu penelitian ini bertujuan untuk melakukan penambangan text di twitter. Penelitian ini dilakukan dengan menggunakan algoritma Naïve Bayes, K-Nearest Neighbor dan Decision Tree untuk membandingkan tingkat akurasi dari ketiga algoritma tersebut. Hasil penelitian menunjukan bahwa analisis sentimen terhadap data tweet kuliah daring dengan menggunakan naïve bayes dengan teknik cross validation memperoleh hasil sebesar 81,57%. Untuk class precision prediksi positif 100%, prediksi negative memperoleh hasil 73,06% dan recall yang diperoleh dari true positif sebesar 63,13% sedangkan untuk true negative sebesar 100%. Lalu algoritma K-Nearest Neighbor menghasilkan nilai accuracy 62,10% untuk class precision prediksi positif adalah 62,06% sedangkan untuk prediksi negative memperoleh hasil 62,13% dan recall yang diperoleh dari true positif sebesar 62,24% sedangkan untuk true negative sebesar 61,95% dan hasil dari algoritma Decision tree memperoleh nilai accuracy 51,60% untuk class precision prediksi positif adalah 51,89% sedangkan untuk prediksi negative memperoleh hasil 51,31% dan recall yang diperoleh dari true positif sebesar 51,74% sedangkan untuk true negative sebesar 51,47%.
##plugins.themes.academic_pro.article.details##
Pemberitahuan Hak Cipta
Usulan kebijakan untuk jurnal yang menawarkan akses terbuka Syarat yang dibutuhkan penulis adalah sebagai berikut:
1. Penulis memegang hak cipta dan memberikan jurnal hak penerbitan pertama secara bersamaan di bawah lisensi di bawah Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0), yang mengizinkan orang lain untuk menyalin dan mendistribusikan ulang materi ini dalam bentuk atau format apa pun termasuk menyusun, memodifikasi, dan membuat turunan materi ini untuk tujuan apa pun, termasuk tujuan komersial.
2. Penulis dapat membuat pengaturan kontrak terpisah untuk distribusi non-eksklusif dari versi dekaden publikasi jurnal (misalnya mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan mengakui publikasi aslinya di jurnal ini.
3. Penulis diizinkan dan didorong untuk memposting artikel secara online (misalnya di repositori institusional atau di situs web mereka) seperti pada Garuda, Academia, researchgate atau repository lainnya sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif dan kutipan artikel yang diterbitkan lebih awal dan lebih maju (periksa: Efek Akses Terbuka)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
BPKRI. (2020). Pembatasan Sosial Berskala Besar dalam Rangka Percepatan Penanganan Penyakit Virus Corona 2019 (COVID-19). JDIH BPK RI DATABASE. https://peraturan.bpk.go.id/Home/Details/135059/pp-no-21-tahun-2020
Damanik, A. R., Sumijan, & Nurcahyo, G. W. (2021). Jurnal Sistim Informasi dan Teknologi Prediksi Tingkat Kepuasan dalam Pembelajaran Daring Menggunakan Algoritma Naïve Bayes. 3, 88–94. https://doi.org/10.37034/jsisfotek.v3i3.49
Hilda, A. (2018). PERBANDINGAN METODE DATA MINING SVM DAN NN UNTUK KLASIFIKASI PENYAKIT GINJAL KRONIS. 14(1), 1–6.
Jayul, A., & Irwanto, E. (2020). Model Pembelajaran Daring Sebagai Alternatif Proses Kegiatan Belajar Pendidikan Jasmani di Tengah Pandemi Covid-19 Achmad. Jurnal Pendidikan Kesehatan Rekreasi, 6(2), 190–199.
Musfiroh, D., Khaira, U., Eko, P., Utomo, P., & Suratno, T. (2021). Sentiment Analysis of Online Lectures in Indonesia from Twitter Dataset Using InSet Lexicon Analisis Sentimen terhadap Perkuliahan Daring di Indonesia dari Twitter Dataset Menggunakan InSet Lexicon. 1(April), 24–33.
Puspita, R., & Widodo, A. (2021). Perbandingan Metode KNN, Decision Tree, dan Naïve Bayes Terhadap Analisis Sentimen Pengguna Layanan BPJS. Jurnal Informatika Universitas Pamulang, 5(4), 646. https://doi.org/10.32493/informatika.v5i4.7622
Rezki, M., Kholifah, D. N., Faisal, M., Priyono, P., & Suryadithia, R. (2020). Analisis Review Pengguna Google Meet dan Zoom Cloud Meeting Menggunakan Algoritma Naïve Bayes. Jurnal Infortech, 2(2), 264–270. https://doi.org/10.31294/infortech.v2i2.9286
Sadikin, A., & Hamidah, A. (2020). Pembelajaran Daring di Tengah Wabah Covid-19. Biodik, 6(2), 109–119. https://doi.org/10.22437/bio.v6i2.9759
Salman, A. (2020). Konsep Decision Tree & Random Forest. Binus University. https://socs.binus.ac.id/2020/05/26/konsep-decision-tree-random-forest/
Samsir, Ambiyar, Verawardina, U., Edi, F., & Watrianthos, R. (2021). Analisis Sentimen Pembelajaran Daring Pada Twitter di Masa Pandemi COVID-19 Menggunakan Metode Naïve Bayes. Jurnal Media Informatika Budidarma, 5, 157–163. https://doi.org/10.30865/mib.v5i1.2604
STPCOVID-19. (2021). Apa Yang Dimaksud Dengan Pandemi. Komite Penanganan Covid-19 Dan Pemulihan Ekonomi Nasional. https://covid19.go.id/tanya-jawab?search=Apa yang dimaksud dengan pandemi