Klasifikasi Kinerja Asisten Laboratorium Selama Pandemi Covid-19 Menggunakan Algoritma Naïve 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
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.
Copyright (c) 2021 Andhika Putra Utama Rahmayadi, Ultach Enri, Purwantoro Purwantoro
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) ) that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
