KLASIFIKASI TINGKAT DAN FAKTOR YANG MEMPENGARUHI KEPUASAN DAN KETIDAKPUASAN DALAM PEMBELAJARAN BERBAHASA ASING MENGGUNAKAN SUPPORT VECTOR MACHINE
Loading...
Date
2025
Journal Title
Journal ISSN
Volume Title
Publisher
Program Studi S1 Informatika
Abstract
Kepuasan dan ketidakpuasan pelajar merupakan indikator penting dalam mengevaluasi kualitas pembelajaran bahasa asing. Penelitian ini bertujuan membangun model klasifikasi yang mampu mengidentifikasi dua kategori tersebut menggunakan algoritma Support Vector Machine (SVM). Data diperoleh melalui kuesioner yang mengukur faktor-faktor seperti motivasi belajar, metode pengajaran, pemahaman materi, dan lingkungan belajar. Untuk mengatasi ketidakseimbangan jumlah data antara kategori “puas” dan “tidak puas”, digunakan teknik Synthetic Minority Over-sampling Technique (SMOTE). Hasil menunjukkan bahwa model yang dibangun mampu mengklasifikasikan kepuasan dan ketidakpuasan dengan akurasi sebesar 67% dan nilai ROC AUC sebesar 72%. Model ini dapat menjadi alat bantu dalam evaluasi dan peningkatan kualitas pembelajaran bahasa asing di institusi pendidikan.