TA: Analisis Sentimen pada Angket Mahasiswa Universitas Dinamika Menggunakan Algoritma Naive Bayes

Sunandar, Sunandar (2020) TA: Analisis Sentimen pada Angket Mahasiswa Universitas Dinamika Menggunakan Algoritma Naive Bayes. Undergraduate thesis, Universitas Dinamika.

Preview	Text 13410100249-2020-UNIVERSITASDINAMIKA.pdf - Accepted Version Download (2MB) | Preview
	Text 13410100249-2020-LAMPIRAN.pdf - Accepted Version Restricted to Registered users only Download (619kB)

Search this title on : |

Abstract

Universitas Dinamika (Undika) melakukan pengambilan angket untuk mengevaluasi proses belajar mengajar yang dilakukan oleh mahasiswa dan dosen. angket diambil dua hasil yaitu hasil nilai dari perhitungan isian combo box dan komentar atau saran dari mahasiswa. Angket diambil dalam satu kelas yang jumlah mahasiswanya kurang lebih 30 orang, sedangkan untuk mengambil kesimpulan dari komentar harus membaca komentar satu persatu di setiap kelasnya. Hal tersebut memerlukan waktu yang cukup lama untuk bisa mengambil kesimpulan dari proses belajar mengajar dalam satu kelas. Berdasarkan permasalahan yang ada, solusi yang diberikan adalah aplikasi analisis sentimen. Analisis sentimen digunakan untuk menentukan apakah komentar mahasiswa positif, negatif atau netral. Aplikasi analisis sentimen pada penelitian ini menggunakan modul github sastrawi untuk melakukan proses filtering dan stemming. Data angket yang dijadikan bahan penelitian adalah data angket semester 171, 172, 181 dan 183 yang berjumlah kurang lebih 1300 data angket. Dari jumlah seluruh data angket diambil 100 data untuk dijadikan 80 data training dan 20 menjadi data testing. Setiap komentar dalam data angket mahasiswa dilakukan proses Text Pre-processing agar kalimat menjadi lebih terstruktur. Klasifikasi untuk menentukan komentar masuk kedalam kelas positif, negatif, atau netral menggunakan metode Naïve Bayes. Hasil dari klasifikasi menggunakan aplikasi akan dihitung akurasinya menggunakan metode Confusion Matrix. Hasil dari penelitian analisis sentimen dapat ditampilkan dalam bentuk grafik Bar untuk melihat satu kelas berapa persentase komentar positif, negatif, dan netral. Sedangkan hasil dari keseluruhan klasifikasi ditampilkan persentasenya dalam bentuk grafik Pie. Akurasi dari hasil klasifikasi menggunakan aplikasi sebesar 80%.

Export Record

ASCII Citation Atom BibTeX Dublin Core EP3 XML EndNote HTML Citation JSON METS MODS MPEG-21 DIDL OpenURL ContextObject OpenURL ContextObject in Span RDF+N-Triples RDF+N3 RDF+XML Refer Reference Manager Simple Metadata

Download Statistics

Downloads over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

View more statistics

Actions (login required)

View Item