Eunike, Eunike (2024) Analisis Sentimen Kepuasan Mahasiswa Terhadap Laboratorium Komputer STMIK Widya Cipta Dharma Menggunakan Algoritma Naive Bayes. S1 Teknik Informatika thesis, STMIK Widya Cipta Dharma.
![[img]](http://repository.wicida.ac.id/style/images/fileicons/text.png) |
Text
2043084_S1_Teknik Informatika.pdf Restricted to Repository staff only Download (2MB) | Request a copy |
|
Text
2043084_S1_Jurnal.pdf Download (536kB) |
Abstract
Penelitian ini bertujuan untuk menganalisis sentimen kepuasan mahasiswa terhadap laboratorium komputer di STMIK Widya Cipta Dharma. Untuk memastikan bahwa fasilitas yang diberikan sudah sesuai dengan kebutuhan dan harapan mahasiswa, diperlukan evaluasi terhadap pengalaman dan persepsi mahasiswa. Namun, keluhan terhadap pelayanan dan fasilitas laboratorium komputer saat ini masih dilakukan melalui asisten laboratorium, yang menyebabkan evaluasi kurang maksimal. Apa yang disampaikan asisten laboratorium kepada kepala laboratorium hanyalah sebagian kecil dari tanggapan mahasiswa. Oleh karena itu, penulis merasa bahwa analisis sentimen dapat dilakukan sebagai solusi dari permasalahan ini. Metode penelitian yang digunakan adalah Cross Industry Standard Process for Data Mining (CRISP-DM). Data dikumpulkan melalui kuesioner, menghasilkan 477 data awal, yang setelah proses preprocessing, menyisakan 365 data. Proses pelabelan data dilakukan menggunakan dua teknik: kamus lexicon InSet dan pelabelan manual. Hasil labelling manual menghasilkan 95 data positif, 169 data negatif, dan 101 data netral, sementara pelabelan menggunakan kamus lexicon InSet menghasilkan 98 data positif, 242 data negatif, dan 25 data netral. Perbedaan hasil labelling ini disebabkan oleh kata-kata yang tersedia di kamus lexicon InSet diambil dari media sosial Twitter, sedangkan data penelitian yang digunakan adalah data survei kuesioner sehingga menjadi kurang maksimal. Karena jumlah data hasil labelling tidak seimbang, digunakan teknik SMOTE dan undersampling untuk mendapatkan model yang lebih baik dan akurat. Algoritma Naive Bayes digunakan untuk mengklasifikasikan sentimen dari data yang telah dilabeli. Hasil analisis menunjukkan bahwa model dengan pelabelan kamus lexicon memiliki akurasi sebesar 70%, sedangkan model dengan pelabelan manual memiliki akurasi sebesar 75%. Model dengan pelabelan manual digunakan untuk deployment karena memiliki akurasi yang lebih tinggi, yang diterapkan dalam bentuk website. Penelitian ini memberikan wawasan mengenai sentimen mahasiswa terhadap laboratorium komputer di STMIK Widya Cipta Dharma dan menunjukkan bahwa pemilihan teknik pelabelan yang tepat serta penanganan data yang tidak seimbang dapat meningkatkan akurasi model analisis sentimen. ============================================================ This research aims to analyze student satisfaction sentiment regarding the computer laboratory at STMIK Widya Cipta Dharma. To ensure that the facilities provided meet the needs and expectations of the students, an evaluation of student experiences and perceptions is required. However, complaints about the computer laboratory services and facilities are currently handled through laboratory assistants, which leads to less-than-optimal evaluations. What the laboratory assistants convey to the lab head is only a small portion of the student feedback. Therefore, the author believes that sentiment analysis can be a solution to this problem. The research method used is the Cross Industry Standard Process for Data Mining (CRISP-DM). Data were collected through questionnaires, resulting in 477 initial data points, which after preprocessing, were reduced to 365 data points. The data labeling process was conducted using two techniques: the InSet lexicon dictionary and manual labeling. Manual labeling resulted in 95 positive, 169 negative, and 101 neutral data points, while the labeling using the InSet lexicon resulted in 98 positive, 242 negative, and 25 neutral data points. This labeling discrepancy is due to the words in the InSet lexicon being sourced from Twitter, whereas the research data came from survey questionnaires, making it less effective. Because of the imbalance in labeled data, SMOTE and undersampling techniques were used to obtain a more accurate model. The Naive Bayes algorithm was used to classify the sentiment of the labeled data. The analysis results showed that the model with lexicon-based labeling had an accuracy of 70%, while the model with manual labeling had an accuracy of 75%. The manually labeled model was deployed because it had higher accuracy, implemented in the form of a website. This research provides insights into student sentiment towards the computer laboratory at STMIK Widya Cipta Dharma and shows that choosing the appropriate labeling technique and handling imbalanced data can improve the accuracy of sentiment analysis models.
| Item Type: | Thesis (S1 Teknik Informatika) |
|---|---|
| Additional Information: | Pembimbing 1 : Wahyuni, S.Kom., M.Kom. Pembimbing 2 : Pitrasacha Adytia, S.T., M.T. |
| Uncontrolled Keywords: | Analisis Sentimen, Naive Bayes, CRISP-DM, Lexicon InSet. |
| Subjects: | Q Science > QA Mathematics > QA76 Computer software |
| Divisions: | Teknik Informatika |
| Depositing User: | Eunike Eunike |
| Date Deposited: | 06 Aug 2024 06:28 |
| Last Modified: | 06 Aug 2024 06:28 |
| URI: | http://repository.wicida.ac.id/id/eprint/5472 |
Actions (login required)
 |
View Item |
