ANALISIS DAN KLASIFIKASI PEMBELAJARAN ONLINE SELAMA MASA PANDEMI COVID-19 MENGGUNAKAN ALGORITMA NAÏVE BAYES (Metode Deskriptif Kuantitatif)

Ramu, Marianus Ribeiro Kolo (2024) ANALISIS DAN KLASIFIKASI PEMBELAJARAN ONLINE SELAMA MASA PANDEMI COVID-19 MENGGUNAKAN ALGORITMA NAÏVE BAYES (Metode Deskriptif Kuantitatif). Skripsi thesis, UNIVERSITAS SANGGA BUANA YPKP.

	Text 1. Cover.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (58kB)
	Text 2. Lembar Pengesahan.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (380kB)
	Text 3. Lembar Penyataan.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (106kB)
	Text 4. Abstrak.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (31kB)
	Text 5. BAB I.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (136kB) | Request a copy
	Text 6. Skripsi Full.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (3MB) | Request a copy
	Text 7. Daftar Pustaka.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (181kB)
	Text 8. Surat Keterangan Hasil Cek Plagiarisme.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (368kB)

Abstract

Pandemi COVID-19 telah mengubah lanskap pendidikan secara signifikan, memaksa banyak lembaga pendidikan untuk beralih ke pembelajaran online. Dalam konteks ini, penelitian ini bertujuan untuk menganalisis dan mengklasifikasikan pembelajaran online selama masa pandemi menggunakan algoritma Naïve Bayes. Data dari platform pembelajaran daring dikumpulkan dan dianalisis untuk mengevaluasi efektivitas algoritma dalam membedakan antara sentimen positif, negatif, dan netral terkait dengan pengalaman pembelajaran online. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes memiliki tingkat akurasi sebesar 70%, dengan kinerja yang lebih baik dalam mengenali sentimen positif dan netral daripada sentimen negatif. Temuan ini memberikan wawasan yang berharga bagi lembaga pendidikan dan pengambil kebijakan dalam meningkatkan pengalaman pembelajaran online selama masa pandemi dan di masa depan. Keywords: COVID-19 pandemic, online learning, Naïve Bayes algorithm, sentiment analysis

Actions (login required)

View Item