Analisis Sentimen Komentar Mahasiswa Terhadap Dosen Mata Kuliah Pada Aplikasi SIMAT
DOI:
https://doi.org/10.33998/processor.2023.18.2.1447Kata Kunci:
Komentar Mahasiswa, SIMAT, Sentimen Analisis, NLPAbstrak
Penilaian dalam bentuk pilihan ganda sangat mudah untuk dilakukan, namun tidak untuk penilaian dalam bentuk uraian atau kalimat. Pada aplikasi SIMAT di Universitas Madura, terdapat fitur komentar Mahasiswa terhadap Dosen Pengampu Matakuliah dalam bentuk kalimat. Pengisian komentar oleh mahasiswa dilakukan setiap akhir semester. Sampai saat ini, belum pernah diberikan hasil dari penilaian komentar Mahasiswa tersebut. Sentimen Analisis merupakan salah satu teknik dalam bidang ilmu Natural Language Processing (NLP) yang mempelajari tentang sikap, perasaan, penilaian dan emosi orang tentang suatu hal. Dengan menggunakan Sentimen Analisis pada komentar mahasiswa, dapat dengan cepat memberikan hasil apakah akumulasi penilaian Mahasiswa bernilai positif, negatif atau netral. Penelitian ini telah berhasil memberikan nilai sentimen analisis pada komentar Mahasiswa serta menampilkannya dalam bentuk grafik dan wordcloud. Dari data ujicoba 1 Matakuliah dengan 21 Mahasiswa yang mengisi komentar, dihasilkan nilai analisis sentimen positif 12, netral 9, dan negatif 0 dengan nilai akurasi, presisi, recall dan skor f1 sebesar 100%.
Unduhan
Referensi
M. Ariandi and S. Rahma Puteri, “Analisis Visualisasi Data Kecamatan Kertapati menggunakan Tableau Public,” JUPITER (Jurnal Penelit. Ilmu dan Tek. Komputer), vol. 14, no. 2-b, pp. 366–373, 2022.
A. W. Syahroni and H. Harsono, “Aplikasi Penentuan Kategori dan Fungsi Sintaksis Kalimat Bahasa Indonesia,” InfoTekJar (Jurnal Nas. Inform. dan Teknol. Jaringan), vol. 4, no. 1, pp. 12–20, 2019.
Z. Munawar, Iswanto, D. Widhiantoro, and N. I. Putri, “Analisis Sentimen Covid-19 Pada Media Sosial Dengan Model Neural Machine Translation,” Tematik, vol. 9, no. 1, pp. 15–20, 2022.
M. P. Munthe, A. S. R. Ansori, and ..., “Analisis Sentimen Komentar Pada Saluran Youtube Food Vlogger Berbahasa Indonesia Menggunakan Algoritma Naïve Bayes,” eProceedings Eng., vol. 8, no. 6, pp. 11909–11916, 2021.
I. G. S. Mas Diyasa, N. M. I. Marini Mandenni, M. I. Fachrurrozi, S. I. Pradika, K. R. Nur Manab, and N. R. Sasmita, “Twitter Sentiment Analysis as an Evaluation and Service Base On Python Textblob,” IOP Conf. Ser. Mater. Sci. Eng., vol. 1125, no. 1, p. 012034, 2021.
S. Khairunnisa, A. Adiwijaya, and S. Al Faraby, “Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19),” J. Media Inform. Budidarma, vol. 5, no. 2, p. 406, 2021.
D. F. Zhafira, B. Rahayudi, and I. Indriati, “Analisis Sentimen Kebijakan Kampus Merdeka Menggunakan Naive Bayes dan Pembobotan TF-IDF Berdasarkan Komentar pada Youtube,” J. Sist. Informasi, Teknol. Informasi, dan Edukasi Sist. Inf., vol. 2, no. 1, pp. 55–63, 2021.
P. GUJJAR J and D. P. Kumar H R, “Sentiment Analysis for running text in Email conversation,” Int. J. Comput. Sci. Eng., vol. 9, no. 4, pp. 259–263, 2020.
R. Wati and S. Ernawati, “Analisis Sentimen Persepsi Publik Mengenai PPKM Pada Twitter Berbasis SVM Menggunakan Python,” J. Tek. Inform. UNIKA St. Thomas, vol. 06, pp. 240–247, 2021.
D. Avelino, L. Cancerlon, M. K. Ryanta, Y. H. Christianto, and W. Wangnardy, “Penggunaan Bahasa Pemrograman Python dalam Menganalisis Perbedaan Desain Website Tren di Negara Jepang dan Dunia,” Angew. Chemie Int. Ed. 6(11), 951–952., vol. 3, no. Mi, pp. 5–24, 1967.
A. P. Praveen Gujjar and H. R. Prasanna Kumar, “Sentiment Analysis:Textblob For Decision Making,” Int. J. Sci. Res. Eng. Trends, vol. 7, no. 2, pp. 2395–566, 2021.
D. Darwis, N. Siskawati, and Z. Abidin, “Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Review Data Twitter Bmkg Nasional,” J. Tekno Kompak, vol. 15, no. 1, p. 131, 2021.
P. Yoga Saputra, D. Hanifudin Subhi, and Z. Zain Afif Winatama, “Implementasi Sentimen Analisis Komentar Channel Video Pelayanan Pemerintah Di Youtube Menggunakan Algoritma Naïve Bayes,” J. Inform. Polinema, vol. 5, no. 3, pp. 209–213, 2019.
R. P. Sidiq, B. A. Dermawan, and Y. Umaidah, “Sentimen Analisis Komentar Toxic pada Grup Facebook Game Online Menggunakan Klasifikasi Naïve Bayes,” J. Inform. Univ. Pamulang, vol. 5, no. 3, p. 356, 2020.
Unduhan
Diterbitkan
Abstract views:
PDF Download:
DOI:
10.33998/processor.2023.18.2.1447Dimension Badge:
Cara Mengutip
Terbitan
Bagian
