LUTHFI AKBAR, RAMADHAN (2021) ANALISIS SENTIMEN OPINI MASYARAKAT TERHADAP KEEFEKTIFAN PEMBELAJARAN DARING SELAMA PANDEMI COVID-19 MENGGUNAKAN NAÏVE BAYES CLASSIFIER. Sarjana thesis, Universitas Muhammadiyah Prof Dr HAMKA.
Text
file (3).pdf Download (1MB) |
Abstract
Semenjak Indonesia terdampak bencana pandemi Covid-19, salah satu sektor yang terdampak adalah Pendidikan. Banyak dari para tenaga pendidik, tenaga pelajar, bahkan orang yang bekerja yang terkena dampaknya. Pemerintah membuat kebijakan sistem pembelajaran daring di mana sistem tersebut dijalan dengan proses online. Dengan diadakannya inovasi tersebut banyak menimbulkan masukan-masukan positif dan negatif baik dari mahasiswa sebagai penerima, maupun dosen atau tenaga pendidikan yang memberikan pembelajaran. Tidak sedikit dari mereka mengeluhkan adanya keterbatasan kegiatan yang dikeluarkan oleh pemerintah. Media sosial Twitter tidak jarang digunakan untuk meluapkan opini tentang keresahan terdampak program yang dikeluarkan oleh pemerintah. Dilakukan proses crawling data Twitter dengan menggunakan hashtag “belajar dari rumah” mendapatkan sebanyak 1.000 dataset, dilanjutkan dengan proses remove duplikat yang menyisakan 524 dataset lalu melakukan tahap implementasi Algoritma Naïve Bayes Classifier. Tujuan penelitian ini untuk mengetahui jumlah sentimen positif dan negatif dari klasifikasi pelabelan dataset dan juga untuk mengetahui hasil akurasi penggunaan metode Naïve Bayes Classifier serta hasil pengujian evaluasi terhadap dataset sentimen positif dan sentimen negatif. Berdasarkan proses yang dilakukan, didapatkan hasil sentimen positif mendapatkan sebanyak 480 dan sentimen negatif sebanyak 44 dari 524 dataset. Hasil akurasi pada proses pengujian evaluasi mendapatkan hasil sebesar 88,5% di mana sentimen negatif mendapatkan nilai precision 12%, recall 17%, dan f1-score 14%, sedangkan untuk sentimen positif mendapatkan nilai precesion 95%, recall 93%, dan f1-score 94%.
Item Type: | Thesis (Sarjana) |
---|---|
Subjects: | T Technology > TJ Mechanical engineering and machinery |
Divisions: | Fakultas Teknologi Industri dan Informatika > Teknik Informatika |
Depositing User: | ftii Perpustakaan perpus |
Date Deposited: | 22 Jun 2024 13:45 |
Last Modified: | 22 Jun 2024 13:45 |
URI: | http://eprints.uhamka.ac.id/id/eprint/12 |
Actions (login required)
View Item |