Andri Oktavianto
Departemen Manajemen Bisnis Institut Teknologi Sepuluh Nopember Surabaya

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Persepsi Publik Tentang Pembelajaran Daring di Indonesia: Studi Menggunakan ELK Stack dan Python untuk Analisis Sentimen di Twitter Andri Oktavianto; Satria Fadil Persada
Jurnal Teknik ITS Vol 9, No 2 (2020)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373539.v9i2.54277

Abstract

Penelitian ini menyelidiki persepsi masyarakat umum tentang aplikasi pembelajaran daring di Indonesia. Banyak studi tentang pembelajaran daring dilakukan di negara maju dan masih sedikit di negara berkembang. Sementara penelitian tradisional menggunakan survei untuk memahami persepsi orang terhadap suatu entitas membutuhkan banyak waktu dan upaya, penelitian ini menggunakan cara yang efisien dan efektif untuk mengumpulkan pendapat di Twitter dan kemudian menganalisis sentimennya menggunakan Elasticsearch, Logstash (ELK stack) dan bahasa pemrograman Python. Algoritma Naïve Bayes digunakan untuk analisis sentimen dan ELK stack untuk mengumpulkan dan menyimpan tweets dari Twitter. Dengan ELK stack, penelitian ini berhasil mengumpulkan 133.477 tweets yang terkait dengan pembelajaran daring. Dari hasil analisis sentimen ditemukan sebanyak 98.3% tweets memiliki sentimen positif terhadap pembelajaran daring, hal ini menjadi bukti bahwa pelajar di Indonesia memiliki persepsi positif terhadap pembelajaran daring. Dari studi ini ditemukan bahwa fitur pembelajaran daring yang paling banyak dibicarakan adalah tampilan, bank soal, dan konten. Hasil evaluasi model pembelajaran mesin menunjukkan bahwa algoritma Naïve Bayes memiliki akurasi sebesar 73% untuk klasifikasi opini dan 75% untuk klasifikasi sentimen. Penelitian ini sebelumnya dipublikasikan di International Journal of Emerging Technologies in Learning (iJET) tahun 2020.