ANALISA KEPUASAN MAHASISWA TERHADAP E-LEARNING MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE

Abstract

Kegiatan pembelajaran pada umumnya yang sudah dilakukan yaitu pembelajaran dengan tatap muka, akan tetapi dikarenakan di Indonesia terjadi pandemi covid-19 maka kegiatan pembelajaran mengalami perubahan. Kegiatan pembelajaran yang awalnya dilakukan dengan tatap muka, digantikan dengan pembelajaran e-learning. Hal ini tentunya membuat mahasiswa menanggapi dengan berbagai respon. Perguruan tinggi harus bisa menangkap respon mahasiswa dengan baik, apakah mahasiswa sudah merasa puas atau belum dengan pembelajaran e-learning. Pengumpulan data yang digunakan dengan penyebaran kuesioner kepada mahasiswa. Jenis data yang digunakan dalam penelitian ini adalah data primer. Sedangkan untuk mengetahui dapat menganalisa kepuasan mahasiswa pada penelitian ini akan menggunakan algoritma Support Vector Machine (SVM). Hasil dari analisa menggunakan SVM nilai accuracy sebesar 98,23% artinya metode algoritma SVM dapat memprediksi responden yang puas dan yang tidak puas dengan benar 98,23% dari keseluruhan data. Precission merupakan rasio prediksi benar positif dibandingkan dengan keseluruhan hasil yang diprediksi positif jadi algoritma SVM ini memprediksi responden yang benar puas sebesar 95,65% dibandingkan dengan hasil keseluruhan yang diprediksi puas. Recall merupakan rasio prediksi benar positif dibandingkan dengan keseluruhan data yang benar positif. Algoritma svm menghasilkan nilai recall sebesar 95,65% artinya algoritma svm ini memprediksi responden yang diprediksi akan puas dibandingkan dengan keseluruhan responden yang sebenarnya merasa pua