Klasifikasi Komentar pada Pembelajaran E-Learning menggunakan Analisis Sentimen dengan Metode K-Nearest Neighbor

Abstrak

Pembelajaran interaktif merupakan salah satu metode pembelajaran yang diminati, terutama di saat pandemi seperti hari ini. Salah satu dari metode pembelejaran interaktif yang perkembangannya sangat cepat adalah pembelajaran interaktif berbasis e-learning. Untuk saat ini, metode pembelajaran e-learning merupakan metode pembelajaran yang sedang berkembang dengan pesat, dimana metode ini meminimalisir tatap muka antara pendidik dan peserta didik. Pada pembelejaran e-learning, peserta didik dapat meninggalkan feedback berupa komentar, yang nantinya akan menjadi dasar bagi pendidik untuk melakukan perbaikan pada sistem pengajaran yang dikerjakan, Dengan demikian penelitian ini mencoba untuk mengklasifikasikan komentar pada pembelajaran e-learning, dalam hal ini adalah pembelajarn e-learning bahasa inggris. Sehingga diharapkan akan dihasilkan pengklasifikasian dokumen teks komentar, apakah termasuk didalam opini negatif ataukah positif. Proses pengklasifikasian dilakukan dengan algoritma K-Nearest Neighbor.Pada proses analisis sentimen ini terdapat 4 proses utama, yaitu Text Processing, Term Weighting (TF IDF), penghitungan Cosine Similarity¸dan yang terakhir klasifikasi menggunakan metode K-Nearest Neighbor. Dari hasil pengujian, diketahui bahwa hasil akurasi yang terbaik sebesar 87,71% diperoleh saat nilai k = 1, dan 71,42% menggunakan nilai k = 2.