UPT Perpustakaan Unitama

  • Beranda
  • Informasi
  • Berita
  • Bantuan
  • Pustakawan
  • Visitor
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Image of Implementasi Tanggapan Netizen Terhadap Blended Learning Di Media Sosial X Menggunakan Metode Naive Bayes
Penanda Bagikan

Skripsi

Implementasi Tanggapan Netizen Terhadap Blended Learning Di Media Sosial X Menggunakan Metode Naive Bayes

Muh. Khaidir Nurdin - Nama Orang;

ABSTRAK

MUH. KHAIDIR NURDIN, 2025. Implementasi Tanggapan Netizen Terhadap Blended Learning Di Media Sosial X Menggunakan Metode Naive Bayes (dibimbing oleh Muhammad Arafah dan Fitriana M. Sabir).

Perkembangan teknologi informasi dan komunikasi mendorong penerapan blended learning yang menggabungkan pembelajaran tatap muka dan daring. Penerapan blended learning menimbulkan beragam tanggapan masyarakat di media sosial, baik positif, negatif, maupun netral, serta menghadapi permasalahan seperti keterbatasan infrastruktur, kesiapan teknologi, dan literasi digital. Oleh karena itu, diperlukan metode yang dapat mengidentifikasi dan mengklasifikasikan tanggapan netizen secara terukur. Penelitian ini bertujuan mengidentifikasi dan mengklasifikasikan tanggapan netizen terhadap blended learning di media sosial X, mengimplementasikan algoritma Naive Bayes, mengukur tingkat akurasi klasifikasi sentimen, serta memberikan gambaran mengenai penerimaan masyarakat terhadap blended learning. Data diperoleh melalui studi pustaka dan crawling pada media sosial X menggunakan kata kunci “blended learning” dalam bahasa Indonesia Analisis data dilakukan dengan algoritma Multinomial Naive Bayes untuk mengklasifikasikan sentimen ke dalam kategori positif, negatif, dan netral, serta divalidasi menggunakan K-Fold Cross-Validation. Hasil penelitian menunjukkan bahwa distribusi sentimen terdiri atas 35% positif, 33% netral, dan 32% negatif. Hasil evaluasi model menunjukkan accuracy, precision, recall, dan F1-score masing-masing sebesar 100%. Dengan demikian, algoritma Naive Bayes dapat digunakan untuk mengklasifikasikan tanggapan netizen terhadap blended learning pada dataset penelitian dan memberikan gambaran mengenai keberagaman tanggapan masyarakat.

Kata Kunci: Implementasi Naive Bayes, Blended Learning, Media Sosial, Naive Bayes, TF-IDF, K-Fold Cross-Validation.


Ketersediaan
#
Perpustakaan STMIK AKBA (A / 1030) SKR/TI/2025 REF MUH i
3087/SKR-Ti/AKBA/26
Tersedia namun tidak untuk dipinjamkan - No Loan
Informasi Detail
Judul Seri
-
No. Panggil
SKR MUH i
Penerbit
Makassar : UNITAMA., 2025
Deskripsi Fisik
xiv + 105 hlm., 28,5 cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
REF MUH i
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
-
Info Detail Spesifik
Pembimbing I: Muhammad Arafah dan Pembimbing II: Fitriana M. Sabir Penguji: Andi Maulidinnawati A. K. Parewe, A. Sumardin dan Tamus Bin Tahir
Pernyataan Tanggungjawab
-
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Tidak Ada Data
Komentar

Anda harus masuk sebelum memberikan komentar

UPT Perpustakaan Unitama
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Tentang Kami

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2026 — Senayan Developer Community

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik
Kemana ingin Anda bagikan?