Claim Missing Document
Check
Articles

Found 11 Documents
Search

Naïve Bayes untuk Prediksi Tingkat Pemahaman Kuliah Online Terhadap Mata Kuliah Algoritma Struktur Data Yuli Astuti; Irma Rofni Wulandari; Angga Ramana Putra; Nurdini Kharomadhona
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 1 (2022): Volume 8 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i1.48848

Abstract

Banyak masalah yang terjadi dalam proses pembelajaran daring, salah satunya adalah kesulitan mahasiswa dalam memahami materi dengan baik. Berbagai upaya telah diklakukan dosen untuk mendukung pembelajaran secara daring, mulai dari penjelasan materi langsung melalui media conference maupun pembuatan video pembelajaran. Untuk mengetahui apakah siswa benar-benar memahami materi yang disampaikan dosen, maka diperlukan penelusuran dengan tujuan jika terdapat banyak mahasiswa yang belum menguasai materi maka perlu ada perubahan pada proses penyampaian materinya. Penelitian ini melakukan prediksi tingkat pemahaman dalam perkuliahan daring. Data yang digunakan pada penelitian ini adalah data nilai mata kuliah Algoritma Struktur Data. Data dengan variable tugas, praktikum, UTS, UAS dan jumlah kehadiran perkuliahan diperoleh dari nilai mahasiswa program studi D3 Manajemen Informatika angkatan 2020 dan 2019. Metode yang digunakan pada penelitian ini adalah Naïve Bayes dengan hasil prediksi pada angkatan 2019 sebesar 46.15% dengan akurasi confusion matrix 69.23% dan hasil prediksi angkatan 2020 sebesar 54.54% dengan akurasi confusion matrix 72.73%, sehingga dapat disimpulkan bahwa perkuliahan online tingkat pemahamanya meningkat dari perkuliahan offline.