Skripsi
Implementasi Tanggapan Netizen Terhadap Blended Learning Di Media Sosial X Menggunakan Metode Naive Bayes
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.
Tidak tersedia versi lain