Hilda Mutiara Nasution, - (2023) A COMPARATIVE STUDY OF STUDENT SATISFACTION LEVELS ON ONLINE LEARNING USING K-NN AND NAIVE BAYES. JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING. ISSN ISSN: 2549-6255 (Online) ||ISSN: 2549-6247 (Print)

Preview

Text (ARTICLE) TA REPO.pdf - Published Version Download (2MB) | Preview

Abstract

Merebaknya pandemi Covid-19 di Indonesia menyebabkan pembatasan aktivitas sosial manusia untuk meminimalisir penularan. Kegiatan belajar-mengajar juga terdampak ketika siswa harus tinggal di rumah dan mengikuti pembelajaran jarak jauh berdasarkan Peraturan Pemerintah Nomor 21 Tahun 2020, kebijakan Pembatasan Sosial Berskala Besar (PSBB), yang dikeluarkan pada tanggal 31 Maret 2020. Hal ini mendorong munculnya aplikasi-aplikasi pendukung pembelajaran seperti Zoom, Google Classroom, Google Meet, E-Learning, dan masih banyak lagi. Namun, budaya belajar yang baru ini membutuhkan adaptasi agar dapat diimplementasikan secara efektif. Dalam proses adaptasi tersebut, peneliti ingin mengukur tingkat kepuasan mahasiswa dan mencari tahu algoritma terbaik untuk mengklasifikasikan tingkat kepuasan mahasiswa. Pengukuran ini menggunakan dua algoritma data mining yaitu K-Nearest Neighbor (K-NN) dan Naïve Bayes, dengan mahasiswa Universitas Islam Negeri Sultan Syarif Kasim Riau sebagai objek penelitian. Algoritme yang berbeda memiliki kekuatan dan kelemahan yang berbeda-beda dalam menangani jenis data dan tugas klasifikasi tertentu. Dengan membandingkan kedua algoritma tersebut, kita dapat menilai kemampuan generalisasinya. Sebuah model yang berkinerja baik pada data pelatihan tetapi gagal menggeneralisasi ke data yang tidak terlihat mungkin tidak seefektif algoritme yang lebih kuat yang menunjukkan kinerja generalisasi yang lebih baik. Klasifikasi K-NN dengan nilai k = 3 mendapatkan hasil yang baik. Berdasarkan hasil penelitian diperoleh kesimpulan bahwa K-NN lebih optimal dalam mengklasifikasikan tingkat kepuasan mahasiswa dibandingkan dengan Naïve Bayes dengan perbandingan akurasi sebesar 85% : 80%, precision sebesar 85% : 84%, dan recall sebesar 99% : 93%.

Actions (login required)

View Item