Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Journal of Informatics and Computer Science (JINACS)
Muhamad Khafidhun Alim Muslim
UNESA
Computer Science & IT

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

Found 1 Documents
Search

 1 
Klasifikasi Opini Pengguna Twitter Terhadap Sekolah Daring dengan Metode Naïve Bayes dan Support Vector Machine Muhamad Khafidhun Alim Muslim; Yuni Yamasari
Journal of Informatics and Computer Science (JINACS) Vol 3 No 02 (2021)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (823.172 KB) | DOI: 10.26740/jinacs.v3n02.p171-179

Abstract

Covid-19 atau Coronavirus Disease telah melanda negara Indonesia. Hal ini menyebabkan segala aktifitas terganggu, termasuk dalam dunia pendidikan. Sistem pembelajaran yang semula dilakukan tatap muka menjadi secara daring atau online. Sistem pembelajaran ini mendapatkan banyak tanggapan masyarakat. Fasilitas dan cara belajar mengajar menjadi perdebatan dimasyarakat. Hal ini menjadi landasan untuk melakukan penelitian ini. Penelitian ini memfokuskan pada analisa sentimen tentang sekolah daring dengan metode SVM dan NBC. Terkait dengan pengumpulan data, penelitian ini berasal dari 414 tweet yang terbagi dengan 3 sentimen, secara berturut-turut, yaitu positif, negatif, netral sebanyak 27.7%, 36.9%, 35.2%. Teknik evaluasi menggunakan 2 teknik yaitu split data dan cross-validation. Hasil uji menggunakan split data pada metode NBC mendapatkan nilai akurasi tertinggi yaitu pada rasio 4:6 dengan nilai sebesar 68%, untuk nilai presisi 74%, recall 65%, dan f1-score 68%. Sedangkan, penerapan metode SVM dengan kernel=linier mendapatkan kinerja tertinggi yaitu pada rasio 1:9 yaitu level akurasi sebesar 71,4%. presisi 73%, recall 70%, dan f1-score 71%. Untuk hasil uji dengan menggunakan cross-validation pada metode NBC, kinerja tertinggi yang dicapai pada k=10 dengan level akurasi sebesar 69,25%, presisi 86%, recall 79%, dan f1-score 81%. Sedangkan pada metode SVM dengan kernel linier, kinerja tertinggi dihasilkan pada k=10 dengan nilai akurasi sebesar 68,87%, presisi 74%, recall 68%, dan f1-score 69%.
Co-Authors YUNI YAMASARI