Implementasi Algoritma k-Nearest Neighbor (k-NN) pada Data Ulasan Pelaksanaan Pembelajaran Daring

Abstract

Perkembangan teknologi informasi memberikan dampak dalam proses pembelajaran di perguruan tinggi, dimana pelaksanaannya dapat dilakukan secara daring. Pembelajaran daring yang dilakukan harus dievaluasi untuk menjaga mutu pembelajarannya. Di salah satu perguruan tinggi swasta di Indonesia, telah melakukan proses evaluasi terhadap pelaksanaan pembelajaran daring, yaitu melalui ulasan pelaksanaan pembelajaran daring oleh mahasiswa. Berdasarkan data ulasan dari mahasiswa, dilakukan analisis untuk menggambarkan setiap ulasan merupakan saran atau masukan terhadap pelaksanaan pembelajaran daring yang diklasifikasikan dari sisi akademik maupun nonakademik. Pengklasifikasian ulasan tersebut dapat dilakukan menggunakan pendekatan machine learning. Pada penelitian ini, dilakukan pengukuran tingkat akurasi terhadap pengklasifikasian ulasan pelaksanaan pembelajaran daring menggunakan algoritma k-Nearest Neighbor (k-NN). data yang digunakan berupa data teks ulasan pelaksanaan pembelajaran daring dari suatu perguruan tinggi dengan jumlah data sebanyak 4320 ulasan. Hasil uji menggunakan algoritma k-NN untuk pengkategorian data teks ulasan pelaksanaan pembelajaran daring diperoleh nilai tertinggi pada k=2 dengan accuracy 87,39%, precision 84,17%, recall 94,07%, dan AUC 0,843. Hal tersebut dapat disimpulkan bahwa algoritma k-NN cukup baik dalam mengkategorikan data teks ulasan pelaksanaan pembelajaran daring.