Analisis Sentimen Kuliah Online selama pandemi Covid-19 Menggunakan Algoritma Naive Bayes

Pikir Claudia, Septiani Gulo (2021) Analisis Sentimen Kuliah Online selama pandemi Covid-19 Menggunakan Algoritma Naive Bayes. S1 thesis, sistem informasi.

	Text PIKIR CLAUDIA SEPTIANI GULO.pdf Restricted to Repository staff only Download (2MB)
	Text COVER.pdf Download (64kB)
	Text PIKIR CLAUDIA SEPTIANI GULO.pdf Download (2MB)
	Text ABSTRACK.pdf Download (64kB)
	Text BAB 1.pdf Download (99kB)
	Text BAB 4.pdf Download (1MB)
	Text DAFTAR PUSTAKA.pdf Download (135kB)

Abstract

Pandemi Covid-19 yang menyerang sistem pernafasan manusia dan menyebabkan kematian serta menyebar sangat cepat ke berbagai negara di dunia. Pada bulan Maret 2020 Covid-19 masuk dan menyerang Indonesia. Peningkatan jumlah yang terpapar Covid-19 di Indonesia semakin lama semakin meningkat. Pendidikan adalah salah satu bidang yang paling terdampak Pandemi Covid-19. Salah satu kebijakan yang dikeluarkan oleh Kementrian Pendidikan dan Kebudayaan Indonesia adalah penerapan Pembelajaran Jarak Jauh atau Pembelajaran yang bersifat daring atau online. Kebijakan belajar daring diterapkan sejak bulan Maret 2020. Namun, dengan sistem pembelajaran jarak jauh tidak menutup kemungkinan akan muncul perbedaan pendapat dalam menanggapi perubahan yang terjadi. Dilakukan analisis untuk melihat berapakah respon positif, netral dan negatif terkait pembelajaran daring yang sedang berlangsung. Untuk melihat respon masyarakat terhadap pembelajaran jarak jauh dapat dilihat dari berbagai sarana dan media salah satunya yaitu melalui media sosial. Twitter adalah salah satu media sosial dengan pengguna lebih dari 29,5 juta di Indonesia dan 383 juta tweet per hari. Peneliti melakukan analisis sentimen menggunakan algoritma Naive Bayes terhadap hasil pencarian tweets dengan kata kunci #kuliahonline selama pandemi Covid-19. Didapatkan sebanyak 2000 data tweet yang akan diklasifikasi dengan menggunakan algoritma Naïve Bayes. Naive Bayes adalah teknik text mining untuk membangun model pengklasifikasi yang sederhana tetapi memiliki keakuratan yang tinggi dalam mengklasifikasi. Algoritma Naive Bayes terbukti memiliki akurasi dan kecepatan yang tinggi saat dipublikasikan kedalam basis data dengan jumlah yang besar. Dari 2000 data yang dianalisis didapatkan 416 tweet positif, 1262 tweet netral dan 322 tweet negatif. Hasil nilai akurasi sebesar 79,75% dengan nilai Precision sebesar 79%, nilai Recall sebesar 80% dan nilai F1-Score sebesar 79%.

Type:	Thesis (S1)
Subjects:	L Education > LB Theory and practice of education L Education > LC Special aspects of education
Divisions:	Fakultas Sains dan Teknologi > Sistem Informasi
Depositing User:	PIKIR CLAUDIA SEPTIANI GULO
Date Deposited:	26 Jul 2021 04:01
Last Modified:	26 Jul 2021 04:01
URI:	https://repository.unja.ac.id/id/eprint/24353

Actions (login required)

View Item