Implementation of the Naive Bayes Algorithm to Classificate Student Satisfaction Levels with Online Learning

Saat proses pembelajaran, pemahaman peserta didik terhadap materi pembelajaran di sekolah sangatlah penting. Peran pendidik tentunya memiliki pengaruh penting terhadap pemahaman peserta didik dalam sistem pembelajaran. Karena adanya pandemi corona ini sistem pembelajaran di sekolah yang awalnya pertemuan tatap muka terpaksa berubah menjadi pertemuan daring. Oleh karena itu maka dibutuhkan suatu sistem untuk mengetahui tingkat kepuasan siswa terhadap pembelajaran daring untuk melacak kemajuan belajar siswa. Sistem ini dimaksudkan untuk mengklasifikasikan tingkat kepuasan siswa terhadap pembelajaran daring menggunakan Algoritma Naïve Bayes. Teknik klasifikasi digunakan karena bisa menemukan model yang membedakan kelas data atau konsep data, dengan tujuan khusus untuk menentukan kelas dari label objek yang belum diketahui. Sedangkan Algoritma Naïve Bayes bisa melakukan prediksi peluang masa depan berdasarkan data yang sudah ada sebelumnya, dengan mempertimbangkan beberapa variabel yang akan menjadi penentu hasil akhir suatu keputusan. Data yang digunakan merupakan hasil observasi terhadap siswa SMA di Kabupaten Tulungagung. Data survei kepuasan yang telah terkumpul akan dipisahkan menjadi dua jenis yaitu data training dan data testing. Hasil model data training akan dipergunakan untuk melihat akurasi pada data testing.  Hasil klasifikasi menunjukkan bahwa Algoritma Naïve Bayes cocok digunakan untuk mengukur tingkat kepuasan siswa terhadap pembelajaran daring dengan tingkat akurasi terbesarnya adalah100% dengan nilai precision sebesar 100% dan nilai recallnya sebesar 100% sehingga bisa dikategorikan sebagai Good Classification.

During the learning process, students' understanding of subject matter at school is very important. Teacher’s participation definitely has an important impact on students' understanding in the learning system. Due to the corona pandemic, the learning system at schools, which was originally a face-to-face meeting, was forced to turn into an online meeting. Therefore, a system is needed to determine the level of student satisfaction with online learning and monitoring student learning progress. The purpose of this sytem is to classify the level of student satisfaction with online learning using the Naïve Bayes Algorithm. Classification technique used because it can find a model that distinguishes data classes or data concepts, with the specific purpose of determining the class of unknown object labels. Meanwhile, the Naïve Bayes Algorithm can predict future opportunities based on pre-existing data, taking into account several variables that will determine the final outcome of a decision. The data used is the result of observations of high school students in Tulungagung Regency. The satisfaction survey data that has been collected will be separated into two types, called training data and testing data. The results of the training data model will be used to see the accuracy of the testing data. The results of classification show that the Naïve Bayes Algorithm is suitable for measuring the level of student satisfaction with online learning with the highest level of accuracy being 100% with a precision value of 100% and a recall value of 100% so that it can be categorized as a Good Classification.