SISTEM UNTUK MENGANALISA FEEDBACK MAHASISWA TERHADAP PROSES PERKULIAHAN DENGAN METODA NAÏVE BAYES CLASSIFFIER

Herianto Herianto; Gita Fitriana

doi:10.70746/jstunsada.v7i2.437

Authors

Herianto Herianto Program Studi Teknik Informatika Universitas Darma Persada
Gita Fitriana Program Studi Teknik Informatika Universitas Darma Persada

DOI:

https://doi.org/10.70746/jstunsada.v7i2.437

Keywords:

Analisis feedback, Naïve Bayes Classifier, Kuesioner Mahasiswa.

Abstract

Penelitian ini bertujuan untuk membangun sistem yang dapat melakukan analisa sentimen feedback mahasiswa pada portal di universitas darma persada berupa kepuasan mahasiswa dalam proses perkuliahan. Analisis sentimen adalah proses klasifikasi data yang dalam penelitian ini dibagi menjadi dua bagian yaitu yang bersifat positif dan yang bersifat negatif. Klasifikasi sangat penting dalam menentukan jenis feedback yang diberikan dalam bentuk komentar. Proses klasifikasi diawali dengan membagi koleksi data menjadi data latih dan data uji. Data latih digunakan metode naïve bayes classifier sehingga diperoleh model klasifikasi untuk penentuan kelas pada data uji. Metode naïve bayes classifier adalah metode yang berdasarkan probabilitas dan teorema bayesian. Metode ini digunakan untuk mengklasifikasikan hasil data freedback mahasiswa yang dituliskan pada kuesioner mahasiswa terhadap dosen sehingga menghasilkan klasifikasi secara otomatis yang diinginkan. Hasil penelitian ini digunakan untuk menentukan klasifikasi feedback dari data kuesioner mahasiswa sehingga data mudah terbaca.

References

1. Jeffry L Whitten, 2004, Systems Analysis and Design Methods, Pennsylvania State University, McGraw-Hill Irwin
2. Munnawar. 2005, Pemodelan Visual dengan UML, Graha Ilmu , Yogyakarta,
3. Feldman, R,, & Sanger, J, 2007, Text Mining Handbook, Advanced Aproaches in Analyzing Unstruktured Data, New York, Camridge University Press
4. Bunafit Nugroho, 2008, Paduan Lengkap Menguasai SQL, Jakarta , Mediakita,
5. A,S, Rosa dan Shalahuddin, M, 2011, Rekayasa Perangkat Lunak (Terstruktur dan Berorientasi Objek), Bandung, Modula
6. A,M Hirin & Virgin, 2011, Cepat Mahir Pemrograman Web dengan PHP dan MYSQL, Pustakaraya , Jakarta
7. Saraswati, N,S, 2011, Text Mining dengan Metode Naive Bayes Classifier dan Support Vector Machines untuk Sentiment Analysis, Skripsi, Program Studi Teknologi Informasi Fakultas Teknik UGM Yogyakarta
8. F, Rozi, S, H, Pramono and E, A, Dahlan, "Implementasi Opinion Mining (Analisis Sentimen) Untuk Ekstraksi Data Opini Publik pada Perguruan Tinggi," Jurnal EECCIS, vol, 6, pp, 37-43, 2012
9. Liu, B, 2012, Sentiment Analysis and Subjectivity, Synthesis Lectures on Human Language Technologies, USA, Morgan & Claypool Publishers
10. Hermawati, F, A, 2013, Data Mining, Yogyakarta , Penerbit Andi
11. Rodiyansyah & Winarko, 2013, Klasifikasi Posting Twitter Kemacetan Lalu Lintas Kota Bandung Menggunakan Naive Bayesian Classification, Indonesian Journal of Computing and Cybernetics Systems (IJCCS)
12. M, Reza Faisal, 2014, Seri Belajar Pemrograman , Pengenalan Jquery Untuk Pemula, M, Reza Faisal , Banjarmasin
13. Jauhari Khairul Kawistara, Priyanto Hidayatullah, 2015, Pemrograman Web, Bandung, Penerbit Informatika
14. TIM EMS, 2015, Kamus Komputer Lengkap, Jakarta , Elex Media Komputindo,
15. Zaenal A, Rozi, 2015, Bootstrap Design Framework, Jakarta , Elex Media Komputindo
16. Hadna, N, M,, Santosa, P, I,, & Winarno, W, W, 2016, Studi Literatur tentang perbandingan metode dengan untuk proses analisis sentimen di twitter, Seminar Teknologi dan Komunikasi (SENTIKA)
17. Mujihlawati, S, 2016, Pre-processing Text Mining pada Twitter, Seminar Nasional Teknologi dan Komunikasi (SENTIKA)
18. Mukhamad Masrur, 2016, Pemrograman Web Dinamis Menggunakan Java Server Pages dengan Database Relasional MYSQL, ANDI , Yogyakarta