Analisis Klasifikasi Kepuasan Mahasiswa terhadap Pembelajaran Daring menggunakan Algoritma Naive Bayes

Abstrak

Penelitian ini mengeksplorasi penerapan algoritma Naive Bayes dalam memprediksi tingkat kepuasan mahasiswa terhadap pembelajaran daring. Proses penelitian mencakup beberapa tahapan utama, seperti pengumpulan data, praproses data, klasifikasi, dan evaluasi hasil. Dataset yang digunakan terdiri dari 100 instance dengan 11 atribut yang berfokus pada faktor-faktor penting, termasuk kualitas pengajaran, ketersediaan sumber daya pembelajaran, serta interaksi antara mahasiswa dan dosen. Algoritma Naive Bayes yang diterapkan pada dataset ini berhasil mencapai tingkat akurasi sebesar 82%. Faktor-faktor utama yang mempengaruhi kepuasan mahasiswa diidentifikasi melalui analisis Information Gain, yang menunjukkan bahwa program studi dan kualitas interaksi menjadi variabel yang sangat berpengaruh. Temuan dari penelitian ini memberikan wawasan mendalam tentang faktor-faktor utama yang berperan dalam meningkatkan kepuasan mahasiswa terhadap pembelajaran daring. Hasilnya diharapkan dapat menjadi referensi bagi institusi pendidikan dalam merancang strategi yang lebih efektif untuk meningkatkan kualitas lingkungan pembelajaran daring yang mereka sediakan bagi mahasiswa.