ANALISIS SENTIMEN KULIAH DARING DENGAN ALGORITMA NAÏVE BAYES, K-NN DAN DECISION TREE

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%.