PENERAPAN NAÏVE BAYES DALAM KLASIFIKASI TINGKAT ADAPTASI PARA SISWA DALAM BELAJAR ONLINE

• MUHAMAD REVAN MEIDYAT TAMA PUTRA

---

ABSTRAK

ABSTRAK

Muhamad Revan Meidyat Tama Putra (12180292), Penerapan Naïve Bayes Dalam Klasifikasi Tingkat Adaptasi Para Siswa Dalam Belajar Online

Coronavirus 2019 merupakan penyakit menular disebabkan oleh sindrom pernapasan akut coronavirus 2 (Sars-CoV-2). Coronavirus pertama kali ditemukan pada Desember 2019 di Wuhan dan setelah itu menyebar menyeluruh ke berbagai penjuru dunia, menyebabkan pandemi tahun 2019-2020. Pada awal tahun 2020 wabah virus corona ini pertama kali menyerang Indonesia sehingga banyak menimbulkan masalah diberbagai daerah dan disetiap bidang yang ada, seperti bidang Pendidikan, Ekonomi, Kesehatan, Pariwisata, Pembangunan dan lain-lain. Dampak yang dialami pada bidang Pendidikan membuat banyak perubahan yang terjadi seperti cara belajar para siswa yang biasanya datang langsung menuju sekolah menjadi metode pembelajaran tatap muka atau bisa disebut pembelajaran online. Penelitian ini bertujuan agar memahami dan mengetahui tingkat siswa di sekolah, perguruan tinggi dan universitas dalam beradaptasi pada pembelajaran online menggunakan metode Naïve Bayes. Algoritma Naïve Bayes ini menghasilkan klasifikasi Class Moderate dan Class Low lebih besar dibandingkan hasil Class High. Jadi hanya sedikit siswa yang bisa beradaptasi dengan cepat disaat pembelajaran online. Hasil pengujian ini menghasilkan Accuracy mencapai 100%, disini juga menunjukan hasil 100% pada class precision dan class recall juga 100%.

Kata Kunci : Naïve Bayes, Algoritma, Klasifikasi, Koronavirus

KATA KUNCI

Naive Bayes

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

[1] N. Silo, “GAMBARAN EFEKTIVITAS TERAPI KOMBINASI HIDROKLOROKUIN DAN AZITROMISIN UNTUK COVID 19 (Corona Virus Disease 2019),” 2020.

[2] A. Iza and A. Qoiriah, “Prediksi Tingkat Kepuasan dalam Pembelajaran Daring Menggunakan Algoritma Naïve Bayes,” JIFTI - J. Ilm. Teknol. Inf. dan Robot., vol. 3, p. 8, 2021.

[3] A. R. Damanik, S. Sumijan, and G. W. Nurcahyo, “Prediksi Tingkat Kepuasan dalam Pembelajaran Daring Menggunakan Algoritma Naïve Bayes,” J. Sistim Inf. dan Teknol., 2021, doi: 10.37034/jsisfotek.v3i3.137.

[4] A. Natuzzuhriyyah and N. Nafisah, “Klasifikasi Tingkat Kepuasan Mahasiswa Terhadap Pembelajaran Secara Daring Menggunakan Algoritma Naïve Bayes,” Techno Xplore J. Ilmu Komput. dan Teknol. Inf., vol. 6, no. 2, 2021, doi: 10.36805/technoxplore.v6i2.1377.

[5] M. Arhami and M. Nasir, DATA MINING Algoritma dan Implementasi. 2020.

[6] S. Pramana, B. Yuniarto, S. Mariyah, I. Santoso, and R. Nooraeni, Data mining dengan R konsep setara implementasi. Bogor, 2018.

[7] D. Nofriansyah, K. Erwansyah, and M. Ramadhan, “Penerapan Data Mining dengan Algoritma Naive Bayes Clasifier untuk Mengetahui Minat Beli Pelanggan terhadap Kartu Internet XL ( Studi Kasus di CV. Sumber Utama Telekomunikasi),” J. Saintikom, vol. 15, no. 2, 2016.

[8] T. S. Maghriza Fakri Adilla, “Penerapan Data Mining Untuk Klasifikasi Penjurusan Sekolah Menengah Atas Pada Sma 1 Kajen Dengan Menggunakan Algoritma Naive Bayes Classifier,” Tugas Akhir, 2016.

[9] H. MS, “Data Mining?: Pengertian, Tujuan, Fungsi, Metode dan Contohnya,” 2021. https://www.sariksa.com/2021/03/data-miningpengertian-tujuan-fungsi.html#toc-0.

[10] Admin, “Pengertian Data Mining, Proses, Fungsi dan Manfaat Data Mining,” 2021. https://lambeturah.id/pengertian-data-mining/.

[11] H. Fitriani, “NAÏVE BAYES DENGAN PEMBOBOTAN GAIN RATIO UNTUK PREDIKSI CALON NASABAH DEPOSITO,” p. 8, 2017.

[12] Aprilla Dennis, “Belajar Data Mining dengan RapidMiner,” Innov. Knowl. Manag. Bus. Glob. Theory Pract. Vols 1 2, vol. 5, no. 4, pp. 1–5, 2013, [Online]. Available: http://esjournals.org/journaloftechnology/archive/vol1no6/vol1no6_6.pdf% 5Cnhttp://www.airccse.org/journal/nsa/5413nsa02.pdf.