Integrasi N-gram, Information Gain, Particle Swarm Optimation di Naïve Bayes untuk Optimasi Sentimen Google Classroom
| Main Authors: | Pramono, Fajar, Didi Rosiyadi, Windu Gata |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | eng |
| Terbitan: |
Ikatan Ahli Informatika Indonesia (IAII)
, 2019
|
| Subjects: | |
| Online Access: |
http://jurnal.iaii.or.id/index.php/RESTI/article/view/1119 http://jurnal.iaii.or.id/index.php/RESTI/article/view/1119/169 |
Daftar Isi:
- The use of Learning Management System (LMS) applications made by Google with name Google Classroom since 2015 in junior and senior high schools in Bekasi City helps the learning process become easier. However, its use can have positive and negative effects on students. Google Class Sentiment by integrating N-grams, Information Gain, Particle Swarm Optimization, and Naïve Bayes Classifiers that have never been done by researchers before. From the experiments carried out, N-gram can increase the accuracy of 6.7% and AUC 4%, while using PSO can increase the Accuracy of 9.9% and AUC of 10.4%.
- Penggunaan aplikasi Learning Management System (LMS) Google yaitu Google Classroom sejak tahun 2015 pada SMP dan SMA di Kota Bekasi membantu proses pembelajaran menjadi lebih mudah. Namun apakah kesan dari penggunaanya dapat memberikan efek positif dan negatif bagi siswanya. Di penelitian ini penulis mencoba mencari nilai optimasi akurasi dari sentimen Google Classroom dengan mengintegrasikan N-gram, Information Gain, Particle Swarm Optimization (PSO) dan Klasifier Naïve Bayes yang belum pernah dilakukan para peneliti sebelumnya. Dari percobaan yang dilakukan penggunaan N-gram dapat meningkatkan akurasi 6.7% dan AUC 4%, sedangkan menggunakan PSO mampu meningkat Akurasi 9.9% dan AUC 10.4%..