Klasifikasi Kinerja Asisten Laboratorium Selama Pandemi Covid-19 Menggunakan Algoritma Naïve Bayes

  • Andhika Putra Utama Rahmayadi Universita Singaperbangsa Karawang
  • Ultach Enri Universitas Singaperbangsa Karawang
  • Purwantoro Purwantoro Universitas Singaperbangsa Karawang
Keywords: Evaluasi kinerja, klasifikasi, data mining, naive bayes

Abstract

Asisten laboratorium merupakan mahasiswa berprestrasi pilihan yang memiliki tugas untuk mendampingi dosen dalam proses mengajar mata kuliah praktikum. Karena wabah covid-19 di Indonesia sesuai dengan surat edaran yang dikeluarkan oleh menteri pendidikan tentang pelaksanaan belajar secara daring, hal ini menyebabkan proses praktikum beralih menjadi daring. Selama praktikum daring asisten laboratorium kesulitan untuk memonitor mahasiswa dalam proses pengajaran, maka diperlukan sebuah evaluasi apakah metode yang dibawakan oleh asisten laboratorium sudah tepat. Proses evaluasi ini dilakukan dengan menggunakan data mining dan algoritma naïve bayes. Model yang dihasilkan dapat memprediksi label puas dan tidak puas dengan evaluasi model k-fold cross validasi dan confusion matrix yang menghasilkan akurasi sebesar 87%, recall sebesar 96%, dan presisi sebesar 88%.

Downloads

Download data is not yet available.

References

J. N. Apriliana, Natalis Ransi, “Implementasi Text Mining Klasifikasi Skripsi Menggunakan Metode Naïve Bayes Classifier,” Semant. Vol.3, No.2, Jul-Des 2017, vol. 3, no. 2, pp. 187–194, 2017, doi: 10.1007/978-1-4471-7307-6_20.

T. Arifin and S. Syalwah, “Prediksi Keberhasilan Immunotherapy Pada Penyakit Kutil Dengan Menggunakan Algoritma Naïve Bayes,” J. Responsif, vol. 2, no. 1, pp. 38–43, 2020.

C. Fadlan, S. Ningsih, and A. P. Windarto, “Penerapan Metode Naïve Bayes Dalam Klasifikasi Kelayakan Keluarga Penerima Beras Rastra,” J. Tek. Inform. Musirawas, vol. 3, no. 1, p. 1, 2018, doi: 10.32767/jutim.v3i1.286.

B. G. Gerardo, S. Saifullah, and E. Irawan, “Teknik Data Mining Dalam Penilaian Pengajaran Guru Berdasarkan Indeks Kepuasan Siswa,” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 3, no. 1, pp. 508–514, 2019, doi: 10.30865/komik.v3i1.1634.

P. Guleria and M. Sood, “Data Mining in Education : A Review on the Knowledge Discovery Perspective,” Int. J. Data Min. Knowl. Manag. Process, vol. 4, no. 5, pp. 47–60, 2014, doi: 10.5121/ijdkp.2014.4504.

A. Hutauruk and R. Sidabutar, “Kendala pembelajaran daring selama masa pandemi di kalangan mahasiswa pendidikan matematika: Kajian kualiatatif deskriptif,” J. Math. Educ. Appl., vol. 02, no. 01, pp. 45–51, 2020.

H. Juliansa, “Data Mining Rough Set Dalam Menganalisa Kinerja Dosen Stmik Bina Nusantara Jaya Lubuklinggau,” JUSIM (Jurnal Sist. Inf. Musirawas), vol. 4, no. 1, pp. 11–17, 2019, doi: 10.32767/jusim.v4i1.440.

A. Lestari, E. Mariati, and W. Widiatry, “Model Klasifikasi Kepuasan Mahasiswa Teknik Terhadap Sarana Pembelajaran Menggunakan Data Mining,” J. Teknol. Inf. J. Keilmuan dan Apl. Bid. Tek. Inform., vol. 14, no. 2, pp. 112–118, 2020, doi: 10.47111/jti.v14i2.1222.

S. Linawati et al., “Perbandingan Algoritma Klasifikasi Naive Bayes Dan Svm,” J. Swabumi, vol. 8, no. 1, pp. 71–75, 2020.

N. Nurdiana and A. Algifari, “NAIVE BAYES UNTUK KLASIFIKASI PENYAKIT,” pp. 18–23, 2015.

Nurdin, D. Hamdhana, and M. Iqbal, “Aplikasi Quick Count Pilkada Dengan Menggunakan Metode Random Sampling Berbasis Android,” e-Journal Techsi Tek. Inf., vol. 10, no. 1, pp. 141–154, 2018, [Online]. Available: https://doi.org/10.29103/techsi.v10i1.622.

A. Y. Permana and M. M. Effendi, “Optimasi Stemming Porter KBBI dan Cross Validation Naïve Bayes untuk Klasifikasi Topik Soal UN Bahasa Indonesia,” J. Ilm. Komputasi, vol. 17, no. 4, 2018, doi: 10.32409/jikstik.17.4.2492.

V. H. Pranatawijaya, W. Widiatry, R. Priskila, and P. B. A. A. Putra, “Penerapan Skala Likert dan Skala Dikotomi Pada Kuesioner Online,” J. Sains dan Inform., vol. 5, no. 2, pp. 128–137, 2019, doi: 10.34128/jsi.v5i2.185.

F. Romadoni, Y. Umaidah, and B. N. Sari, “Text Mining Untuk Analisis Sentimen Pelanggan Terhadap Layanan Uang Elektronik Menggunakan Algoritma Support Vector Machine,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 9, no. 2, p. 247, 2020, doi: 10.32736/sisfokom.v9i2.903.

A. Saleh, “Penerapan Metode Simple Multi Attribute Rating Technique Exploiting Rank dalam Sistem Pendukung Keputusan Rekrutmen Asisten Laboratorium Komputer,” Masy. Telemat. dan Inf., vol. 8, pp. 1–10, 2018.

R. Sari, “Komparasi Algoritma Support Vector Machine, Naïve Bayes Dan C4.5 untuk Klasifikasi SMS,” IJCIT(Indonesia J. Comput. Infomation Technol., vol. 2, no. 2, pp. 7–13, 2017.

A. Supriyatna and W. P. Mustika, “Komparasi Algoritma Naive bayes dan SVM Untuk Memprediksi Keberhasilan Imunoterapi Pada Penyakit Kutil,” J-SAKTI (Jurnal Sains Komput. dan Inform., vol. 2, no. 2, p. 152, 2018, doi: 10.30645/j-sakti.v2i2.78.

F. Tempola, M. Muhammad, and A. Khairan, “Perbandingan Klasifikasi Antara KNN dan Naive Bayes pada Penentuan Status Gunung Berapi dengan K-Fold Cross Validation,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 5, p. 577, 2018, doi: 10.25126/jtiik.201855983.

H. D. Wijaya and S. Dwiasnati, “Implementasi Data Mining dengan Algoritma Naïve Bayes pada Penjualan Obat,” J. Inform., vol. 7, no. 1, pp. 1–7, 2020, doi: 10.31311/ji.v7i1.6203.

F. Yusup, “Uji Validitas dan Reliabilitas Instrumen Penelitian Kuantitatif,” J. Tarb. J. Ilm. Kependidikan, vol. 7, no. 1, pp. 17–23, 2018, doi: 10.18592/tarbiyah.v7i1.2100.

Published
2021-10-14
How to Cite
[1]
A. Rahmayadi, U. Enri, and P. Purwantoro, “Klasifikasi Kinerja Asisten Laboratorium Selama Pandemi Covid-19 Menggunakan Algoritma Naïve Bayes”, JAIC, vol. 5, no. 2, pp. 122-127, Oct. 2021.
Section
Articles