Analisis Sentimen Fasilitas Belajar dan Alat Laboratorium menggunakan metode Naïve Bayes Classifier

Penulis

DOI:

https://doi.org/10.57093/jisti.v7i2.265

Kata Kunci:

Analisis Sentimen; Naïve Baye Classifier; Fasilitas Belajar; Alat Laboratorium; Sosial Media.

Abstrak

Penelitian ini bertujuan untuk menganalisis sentimen mahasiswa terhadap fasilitas belajar dan alat laboratorium menggunakan metode Naïve Bayes Classifier. Data yang digunakan dalam penelitian ini diperoleh dari platform sosial media, yang mencakup komentar dan pernyataan mahasiswa mengenai fasilitas dan alat yang tersedia di institusi pendidikan. Data yang terkumpul kemudian dianalisis untuk mengidentifikasi sentimen yang terkandung, yaitu positif, negatif, dan netral. Berdasarkan hasil analisis, diperoleh 170 sentimen negatif, 135 sentimen positif, dan 147 sentimen netral. Algoritma Naïve Bayes menghasilkan nilai akurasi sebesar 77%, presisi 75%, recall 66%, dan F1-score 7%. Hasil ini menunjukkan bahwa Naïve Bayes dapat digunakan untuk mengklasifikasikan sentimen mahasiswa terhadap fasilitas dan alat laboratorium, meskipun masih ada ruang untuk perbaikan dalam meningkatkan recall dan F1-score. Penelitian ini memberikan gambaran tentang kualitas fasilitas belajar dan alat laboratorium serta mengidentifikasi area yang memerlukan perhatian lebih dalam perbaikan dan pemeliharaan fasilitas di institusi pendidikan.

Unduhan

Data unduhan tidak tersedia.

Biografi Penulis

  • A Ulfah Tenripada Syahar, Universitas Muslim Indonesia

    Program studi Teknik Informatika

  • Avin Savitri, Universitas Muslim Indonesia

    Program studi Teknik Informatika

  • Dewi Widyawati, Universitas Muslim Indonesia

    Program studi sistem informasi

  • Hariani Ma’Tang, Universitas Muslim Indonesia

    Program Studi Teknik Elektro

Unduhan

Diterbitkan

2024-10-30

Cara Mengutip

Analisis Sentimen Fasilitas Belajar dan Alat Laboratorium menggunakan metode Naïve Bayes Classifier . (2024). Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI), 7(2), 312-325. https://doi.org/10.57093/jisti.v7i2.265