Sentimen Analisis Komentar Mahasiswa EDOM Dengan Metode Support Vector Machine (SVM)

Ardan Nur Chaiya Putra, Sam Farisa Chaerul Haviana, Badie’ah Badie’ah

Abstract


Universitas Sultan agung Semarang menerapkan sebuah kuisioner online mahasiswa untuk mengevaluasi Dosen apakah sebuah dosen sudah melakukan tugas yang diberikan dan mahasiswa menilai apakah dosen sudah baik apa belum yang bisa di isi dengan melalui pilihan ganda dan sebuah komentar. Dalam hal ini yang akan digunakan adalah kuisioner dalam bentuk komentar yang dibuat oleh mahasiswa dapat menghasilkan sebuah sentiment yang terbagi menjadi jadi tiga subjek berupa netral, positif, dan negatif. Namun terkadang dalam sebuah tulisan yang di buat oleh mahasiswa tidak bisa di identifikasi untuk menentukan apakah kalimat tersebut dapat dibagi menjadi tiga subjek yang berupa positif, negatif dan netral. Data yang berhasil didapatkan dari pengisian komentar dari kuisioner online Bernama EDOM dengan mendapatkan hasil dengan jumlah data sekitar 1791 komentar, dan dengan penelitian ini akan menggunakan sentiment analisis dan algoritma Bernama Support Vector Machine yang menghasilkan hasil yang baik dengan tingkat Akurasi 82%, Presisi 72%, recall 61%, f-measure 65%..

Keyword: Klasifikasi, Komentar, Sentimen, support vector machine


Full Text:

PDF

References


Santoso VI, Virginia G, Lukito Y. Penerapan Sentiment Analysis Pada Hasil Evaluasi Dosen Dengan Metode Support Vector Machine. Jurnal Transformatika. 2017;14(2):72.

Sulaeman AF, Supianto AA, Bachtiar FA. Analisis Sentimen Opini Mahasiswa Terhadap Saran Evaluasi Kinerja Dosen Menggunakan TF-IDF dan Support Vector Machine . 2019;3(6):5647–55.

Setiadi B S. Fakultas Teknik – Universitas Muria Kudus 153. Prosiding SNATIF ke-4 Tahun 2017. 2017;153–60.

Rahman Isnain A, Indra Sakti A, Alita D, Satya Marga N. Sentimen Analisis Publik Terhadap Kebijakan Lockdown Pemerintah Jakarta Menggunakan Algoritma Svm. Jdmsi [Internet]. 2021;2(1):31–7. Tersedia pada: https://t.co/NfhnfMjtXw

Tuhuteru H. Analisis Sentimen Masyarakat Terhadap Pembatasan Sosial Berksala Besar Menggunakan Algoritma Support Vector Machine. Information System Development (ISD). 2020;5(2):7–13.

Lexalitics. Sentiment Analysis Explained [Internet]. Lexalitics.Com. 2019. Tersedia pada: https://www.lexalytics.com/technology/sentiment-analysis

Putra JWG. Pengenalan konsep pembelajaran mesin dan deep learning. Computational Linguistics and Natural Language Processing Laboratory [Internet]. 2019;4(July):1–235. Tersedia pada: https://www.researchgate.net/publication/323700644

Habibi M, Cahyo PW. Journal Classification Based on Abstract Using Cosine Similarity and Support Vector Machine. JISKA (Jurnal Informatika Sunan Kalijaga). 2020;4(3):48.

García S, Ramírez-Gallego S, Luengo J, Benítez JM, Herrera F. Big data preprocessing: methods and prospects. Big Data Anal. 2016;1(1).

Martineau J, Finin T, Fink C, Piatko C, Mayfield J, Syed Z. Delta TFIDF: An Improved Feature Space for Sentiment Analysis. Proceedings of the Second International Conference on Weblogs and Social Media (ICWSM [Internet]. 2008;29(May):490–497. Tersedia pada: http://ebiquity.umbc.edu/papers/select/person/Tim/Finin/


Refbacks

  • There are currently no refbacks.