Analisis Sentimen Pengaruh Game Online Terhadap Prestasi Belajar Siswa Menggunakan Metode Naïve Bayes Dan K-Nearest Neighbor

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen siswa terhadap pengaruh game online terhadap prestasi belajar menggunakan metode Naïve Bayes dan KNearest Neighbor (KNN). Data yang digunakan diperoleh dari ulasan siswa, kemudian diproses menggunakan teknik text mining seperti tokenizing, filtering, stemming, dan pembobotan TF-IDF. Hasil penelitian menunjukkan bahwa metode Naïve Bayes memiliki akurasi lebih tinggi dibandingkan KNN dalam mengklasifikasikan sentimen. Sentimen siswa terbagi menjadi tiga kategori, yaitu positif, netral, dan negatif, dengan dominasi sentimen positif dan netral. Kesimpulan dari penelitian ini menunjukkan bahwa game online memiliki dampak yang beragam terhadap prestasi belajar siswa, tergantung pada pola penggunaannya. Oleh karena itu, diperlukan pengelolaan waktu yang baik agar dampak negatifnya dapat diminimalkan.