Naive Bayes Classifier dan K-Nearest Neighbor pada Analisis Sentimen Perkuliahan Daring di Universitas Muslim Indonesia


Silmi Nur Zaskia Wati(1*); Herman Herman(2); Herdianti Darwis(3);

(1) Universitas Muslim Indonesia
(2) Universitas Muslim Indonesia
(3) Universitas Muslim Indonesia
(*) Corresponding Author

  

Abstract


Pelaksanaan perkuliahan daring menggunakan KALAM di UMI banyak menuai kontroversi dikalangan mahasiswa. Banyak pendapat mahasiswa yang dikeluarkan terkait metode pembelajaran daring di UMI. Penelitian ini bertujuan menganalisis sentimen mahasiswa terkait perkuliahan daring di UMI dengan menggunakan algoritma Naïve Bayes Classifier dan K-Nearest Neighbor, serta menggabungkan berbagai metode seperti pelabelan dengan NLTK, pengujian dengan 5 cross validation, dan menggunakan unigram tokenizing. Beberapa teknik pelabelan digunakan pada penelitian ini dan menghasilkan tingkat keakuratan paling tinggi adalah pelabelan menggunakan NLTK dengan algoritma KNN dengan menggunakan SMOTE menghasilkan akurasi sebesar 100% dibandingkan dengan algoritma Naïve Bayes Classifier yang memiliki nilai akurasi sebesar 98.33%. Sehingga algoritma KNN dapat digunakan dengan baik pada pengklasifikasian sentimen mahasiswa terhadap perkuliahan daring di UMI.


Keywords


Sentiment Analysis; Online Learning; K-Nearest Neighbor; Naïve Bayes Classifier; Natural Language Toolkit

  
  

Full Text:

PDF
  

Article Metrics

Abstract view: 180 times
PDF view: 7 times 		     

Digital Object Identifier

doi  https://doi.org/10.33096/busiti.v5i1.2202 		  

Cite

How to cite item

References


Y. C. Li, W. Z. Bai, and T. Hashikawa, “The neuroinvasive potential of SARS‐CoV2 may play a role in the respiratory failure of COVID‐19 patients,” J. Med. Virol., 2020, doi: 10.1002/jmv.25728.

S. Felsenstein, J. A. Herbert, P. S. McNamara, and ..., “COVID-19: Immunology and treatment options,” Clin. …, p. 14, 2020, doi: https://doi.org/10.1016/j.clim.2020.108448.

F. Schwendicke, J. Krois, and J. Gomez, “Impact of SARS-CoV2 (Covid-19) on dental practices: Economic analysis,” J. Dent., p. 6, 2020, doi: https://doi.org/10.1016/j.jdent.2020.103387.

S. R. Samuel, S. Kuduruthullah, M. Al Shayeb, and ..., “Impact of pain, psychological-distress, SARS-CoV2 fear on adults’ OHRQOL during COVID-19 pandemic,” Saudi journal of …. Elsevier, 2021. doi: http://dx.doi.org/10.1016/j.sjbs.2020.10.033.

I. Setyorini, “Pandemi covid-19 dan online learning: apakah berpengaruh terhadap proses pembelajaran pada kurikulum 13?,” J. Ind. Eng. &Management …, vol. 1, p. 5, 2020, doi: https://doi.org/10.30997/karimahtauhid.v1i3.6452.

H. Azis, L. Syafie, F. Fattah, and ..., “Unveiling Algorithm Classification Excellence: Exploring Calendula and Coreopsis Flower Datasets with Varied Segmentation Techniques,” 2024 18th Int. …, 2024, doi: 10.1109/IMCOM60618.2024.10418246.

I. W. R. Pinastawa and N. A. Arifuddin, “Komparasi Naïve Bayes dan Support Vector Machine dalam Klasifikasi Jenis Citrus.,” Techno. com, vol. 22, p. 9, 2023, doi: https://doi.org/10.33633/tc.v22i2.7777.

D. Atmajaya, A. Febrianti, and H. Darwis, “Metode SVM dan Naive Bayes untuk Analisis Sentimen ChatGPT di Twitter,” Indones. J. Comput. …, 2023.

P. R. Prayoga, P. Purnawansyah, T. Hasanuddin, and H. Darwis, “Klasifikasi Daun Herbal Menggunakan K-Nearest Neighbor dan Support Vector Machine dengan Fitur Fourier Descriptor,” Edumatic J. Pendidik. Inform., vol. 7, no. 1, pp. 160–168, 2023, doi: 10.29408/edumatic.v7i1.17521.

I. As’ad, M. A. Asis, H. M. Pakka, R. Mursalim, and Y. binti M. Noor, “K-Nearest Neighbors Analysis for Public Sentiment towards Implementation of Booster Vaccines in Indonesia,” Ilk. J. Ilm., vol. 15, no. 2, pp. 365–372, Aug. 2023, doi: 10.33096/ilkom.v15i2.1561.365-372.

M. Syarifuddinn, “ANALISIS SENTIMEN OPINI PUBLIK MENGENAI COVID-19 PADA TWITTER MENGGUNAKAN METODE NAÏVE BAYES DAN KNN,” INTI Nusa Mandiri, vol. 15, pp. 23–28, Aug. 2020, doi: 10.33480/inti.v15i1.1347.

D. Era, S. Andryana, and A. Rubhasy, “Perbandingan Algoritma Naïve Bayes Dan K-Nearest Neighbor pada Analisis Sentimen Pembukaan Pariwisata Di Masa Pandemi Covid 19,” J. Sains Komput. Inform. (J-SAKTI, vol. 7, no. 1, pp. 263–272, 2023.

S. Mutmatimah, Khairunnas, and Khairunnisa, “Metode Deep Learning LSTM dalam Analisis Sentimen Aplikasi PeduliLindungi,” J. Comput. Sci. Informatics, vol. 1, no. 1, pp. 9–19, 2024, doi: 10.34304/scientific.v1i1.231.

H. Hayati and M. R. Alifi, “ANALISIS SENTIMEN PADA TWEET TERKAIT VAKSIN COVID-19 MENGGUNAKAN METODE SUPPORT VECTOR MACHINE,” JTT (Jurnal Teknol. Ter., vol. 7, p. 110, Oct. 2021, doi: 10.31884/jtt.v7i2.349.

N. Arifin, U. Enri, and N. Sulistiyowati, “Penerapan Algoritma Support Vector Machine (SVM) dengan TF-IDF N-Gram untuk Text Classification,” STRING (Satuan Tulisan Ris. dan Inov. Teknol., vol. 6, p. 129, Dec. 2021, doi: 10.30998/string.v6i2.10133.

M. F. Syam, L. N. Hayati, and L. Syafie, “Klasifikasi Pemenuhan Pilar Sanitasi Puskesmas Menggunakan Metode Naive Bayes,” Komputika J. Sist. Komput., vol. 12, no. 2, pp. 101–108, 2023, doi: 10.34010/komputika.v12i2.10336.

D. Zahirah, N. Kurniati, and H. Darwis, “Digital Image Classification of Herbal Leaves Using Knn and Cnn With Glcm Features,” J. Tek. Inform., vol. 5, no. 1, pp. 61–67, 2024.

K. Kim, “Noise Avoidance SMOTE in Ensemble Learning for Imbalanced Data,” IEEE Access, vol. 9, pp. 143250–143265, 2021, doi: 10.1109/ACCESS.2021.3120738.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Buletin Sistem Informasi dan Teknologi Islam (BUSITI)

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.