BKG

Vitandy, Sri Wulan Utami (2019) Analisis Sentimen Evaluasi Kinerja Dosen Menggunakan Term Frequency-Inverse Document Frequency dan Naïve Bayes Classif. Sarjana thesis, Universitas Brawijaya.

Indonesian Abstract

Pengajaran yang baik dapat membantu mahasiswa dalam mencapai hasil yang maksimal. Untuk meningkatkan kualitas pembelajaran dan standarisasi akademik perlu dilakukan evaluasi sehingga dapat menghasilkan mahasiswa-mahasiswa yang berkualitas. Oleh karena itu, Jurusan Sistem informasi selalu melakukan evaluasi terhadap kinerja menggunakan kuisioner yang diisikan oleh mahasiswa disetiap akhir semester. Hasil kolom saran dapat dilakukan analisis sentimen untuk mengetahui saran tersebut bernilai positif, negatif atau netral. Salah satu metode yang bisa digunakan untuk menyelesaikan masalah opinion mining adalah Naive Bayes Classifier (NBC). NBC bisa digunakan untuk mengklasifikasikan opini kedalam kelas positif, negatif dan netral. Data komentar yang terkumpul sebanyak 3502 yang terbagi menjadi 3 semester. Data komentar ini kemudian dilakukan tahapan preprocessing, pembobotan TF-IDF dan klasifikasi menggunakan metode Naive Bayes Classifier. Hasil Pengujian terhadap 4 parameter menghasilkan akurasi sebesar 80.1%, Precision 80.3%, Recall 80.3% dan F1-Score 80%. Hasil dari Usability testing diperoleh nilai rata-rata SUS Score sebesar 75. Sehingga dapat disimpulkan bahwa Dashboard yang telah dibuat ini termasuk kedalam kategori Acceptance dan berada pada rating “Good

English Abstract

Effective and efficient in teaching can help students achieve maximum results. An evaluation is needed to improve the quality of learning and academic standardization, also it can improve the quality of the student. Therefore, the Information Systems Department always evaluates performance using questionnaires and filled by students at the end of each semester. The results of the suggestion column can be sentiment analysis to find out whether the suggestion is positive, negative or neutral. The classifier is a method that can classify data into several classes. Naive Bayes Classifier can be used to classify opinions into positive, negative and neutral classes. The comment data was collected 3502 comments which were divided into 3 semesters. Then, this comment data processed in preprocessing, weighting TF-IDF and classification using Naive Bayes Classifier. The test result on 4 parameters resulted in an accuracy of 80.1%, Precision 80.3%, Recall 80.3% and F1-Score 80%. The results of Usability testing obtained an average value of SUS Score of 75. So it can be concluded that the Dashboard is included in the Acceptance category and in the rating of "Good"

Other Language Abstract

-

Item Type: Thesis (Sarjana)
Identification Number: SKR/FILKOM/2019/538/051905921
Uncontrolled Keywords: Text Mining, Naïve Bayes Classifier, Preprocessing, TF-IDF, PowerBI, Evaluasi Kinerja, Text Mining, Naïve Bayes Classifier, Preprocessing, TF-IDF, PowerBI, Job Evaluation
Subjects: 000 Computer science, information and general works > 006 Special computer methods > 006.2 Special-purpose systems > 006.24 Automatic identification and data capture (AIDC) > 006.245 Radio frequency identification
Divisions: Fakultas Ilmu Komputer > Sistem Informasi
Depositing User: Nur Cholis
URI: http://repository.ub.ac.id/id/eprint/171725
Text
SKRIPSI - Sri Wulan Utami Vitandy - Sebelum semhas (2).pdf

Download | Preview

Actions (login required)

View Item View Item