ANALISIS SENTIMEN MAHASISWA TERHADAP PENGGUNAAN E-LEARNING UNIVERSITAS NURUL JADID MENGGUNAKAN NAIVE BAYES BERBASIS WEB STREAMLIT

Putri, Cahya Wahyuni (2024) ANALISIS SENTIMEN MAHASISWA TERHADAP PENGGUNAAN E-LEARNING UNIVERSITAS NURUL JADID MENGGUNAKAN NAIVE BAYES BERBASIS WEB STREAMLIT. Other thesis, UNIVERSITAS NURUL JADID.

Text Skripsi_2021400232_Cahya Wahyuni Putri_IF.pdf Restricted to Registered users only Download (5MB)

Abstract

Putri, Cahya Wahyuni. 2024. Analisis Sentimen Mahasiswa Terhadap Penggunaan E-Learning Universitas Nurul Jadid Menggunakan Naïve Bayes Berbasis Web Streamlit. Skripsi, Prodi Informatika, Fakultas Teknik, Universitas Nurul Jadid Paiton Probolinggo. Pembimbing: (I) Fathur Rizal, M.Kom., (II) Syaiful, M.Kom.

Kata Kunci: Analisis Sentimen, Naïve Bayes, K-Nearest Neighbors, E-Learning, Streamlit.

E-learning merupakan sistem pendidikan jarak jauh yang menawarkan fleksibilitas dalam proses pembelajaran. Namun, kendala teknis dan ketidaksesuaian antarmuka pengguna dapat memengaruhi tingkat kepuasan mahasiswa. Penelitian ini bertujuan untuk mengevaluasi sentimen mahasiswa Universitas Nurul Jadid terhadap platform e-learning guna meningkatkan pengalaman pengguna di masa mendatang. Analisis dilakukan dengan membandingkan dua metode klasifikasi, yaitu Naïve Bayes dan K-Nearest Neighbors (KNN), untuk menilai tingkat akurasi dan efektivitas masing-masing algoritma dalam mengelompokkan opini mahasiswa. Data penelitian berjumlah 474 opini yang diuji menggunakan dua rasio pembagian data, yaitu 80:20 dan 70:30 untuk data latih dan data uji. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes memberikan performa unggul dengan akurasi tertinggi sebesar 84% pada rasio 80:20 dan 83% pada rasio 70:30. Sebaliknya, algoritma KNN dengan nilai $k=3$ menunjukkan performa yang lebih rendah dengan akurasi sebesar 73% pada rasio 80:20 dan menurun menjadi 68% pada rasio 70:30. Kesimpulannya, algoritma Naïve Bayes lebih efektif dibandingkan KNN dalam mengklasifikasikan sentimen mahasiswa terhadap penggunaan e-learning, ditunjukkan dengan perolehan akurasi yang lebih tinggi serta keseimbangan yang lebih baik antara nilai precision dan recall.

Item Type:	Thesis (Other)
Subjects:	L Education > L Education (General) Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Saiful Ghazi
Date Deposited:	29 Apr 2026 07:01
Last Modified:	29 Apr 2026 07:01
URI:	https://repository.unuja.ac.id/id/eprint/3266

Actions (login required)

View Item