IMPLEMENTASI TEXT MINING UNTUK KLASIFIKASI OPINI ALUMNI PADA PERGURUAN TINGGI
DOI:
https://doi.org/10.36002/jutik.v9i3.2504Keywords:
Text Mining, Analisis Sentimen, Opini Alumni, TF-IDF, Support Vector MachineAbstract
Penelitian bertujuan untuk menganalisis sentimen opini alumni menggunakan metode Support Vector Machine (SVM). Analisis sentimen opini alumni merupakan faktor penting dalam evaluasi kualitas institusi pendidikan. Metode SVM digunakan untuk mengklasifikasikan opini dengan tingkat keakuratan yang tinggi, dengan menggunakan TF-IDF untuk pembobotan dan vektorisasi. Hasil penelitian menunjukkan akurasi sebesar 0.873, dengan nilai precision, recall, dan F1-Score berturut-turut sebesar 0.877, 0.803, dan 0.823. Temuan ini menunjukkan bahwa SVM dapat menjadi pilihan yang efektif dalam analisis sentimen opini alumni. Hasil penelitian memberikan wawasan penting bagi institusi pendidikan untuk memahami dan meningkatkan kepuasan alumni, serta mengidentifikasi aspek-aspek yang perlu diperbaiki. Dalam konteks pengambilan keputusan, hasil analisis sentimen opini alumni dapat memengaruhi strategi dan pengembangan program pendidikan. Penelitian selanjutnya dapat mempertimbangkan perluasan sampel dan eksplorasi teknik pemrosesan bahasa alami lainnya untuk meningkatkan performa analisis sentimen opini alumni.
References
] Acheampong, Francisca Adoma, Chen Wenyu, and Henry Nunoo-Mensah. 2020. “Text-Based Emotion Detection: Advances, Challenges, and Opportunities.†Engineering Reports 2 (7): e12189. https://doi.org/10.1002/eng2.12189.
] Anggraini, Resti Kusuma, K. Kusrini, and Hanif Al Fatta. 2023. “Metode Support Vector Machine Pada Klasifikasi Pengaduan Masyarakat.†Jurasik (Jurnal Riset Sistem Informasi Dan Teknik Informatika) 8 (1): 110–16. https://doi.org/10.30645/jurasik.v8i1.547.
] Ardiada, I Made Dwi, Made Sudarma, and Dwi Giriantari. 2019. “Text Mining Pada Sosial Media Untuk Mendeteksi Emosi Pengguna Menggunakan Metode Support Vector Machine Dan K-Nearest Neighbour.†Majalah Ilmiah Teknologi Elektro 18 (1): 55. https://doi.org/10.24843/mite.2019.v18i01.p08.
] Bayari, Reem, and Ameur Bensefia. 2021. “Text Mining Techniques for Cyberbullying Detection: State of the Art.†Advances in Science, Technology and Engineering Systems Journal 6 (1): 783–90. https://doi.org/10.25046/aj060187.
] Buntoro, Ghulam Asrofi. 2019. “Sentiments Analysis for Governor of East Java 2018 in Twitter.†SinkrOn 3 (2): 49. https://doi.org/10.33395/sinkron.v3i2.10025.
] Dharmendra, I. Komang, Ni Nym Utami Januhari, I. Putu Ramayasa, and I. Made Agus Wirahadi Putra. 2022. “Uji Komparasi Sentiment analysis Pada Opini Alumni Terhadap Perguruan Tinggi.†Jurnal Teknik Informatika UNIKA Santo Thomas, May, 1–6. https://doi.org/10.54367/jtiust.v7i1.1748.
] dharmendra, komang, Komang Oka Saputra, and I Nyoman Pramaita. 2019. “Analisa Sentiment Untuk Opini Alumni Perguruan Tinggi.†Majalah Ilmiah Teknologi Elektro 18 (2): xxxx–xxxx. https://doi.org/10.24843/MITE.2019.V18I02.P11.
] Fauziyyah, Anni Karimatul. 2020. “ANALISIS SENTIMEN PANDEMI COVID19 PADA STREAMING TWITTER DENGAN TEXT MINING PYTHON.†Jurnal Ilmiah SINUS 18 (2): 31–42. https://doi.org/10.30646/sinus.v18i2.491.
] Fitri, Veny Amilia, Rachmadita Andreswari, and Muhammad Azani Hasibuan. 2019. “Sentiment analysis of Social Media Twitter with Case of Anti-LGBT Campaign in Indonesia Using Naïve Bayes, Decision Tree, and Random Forest Algorithm.†Procedia Computer Science, The Fifth Information Systems International Conference, 23-24 July 2019, Surabaya, Indonesia, 161 (January): 765–72. https://doi.org/10.1016/j.procs.2019.11.181.
] Saputra, Irwansyah, Taufik Djatna, Riki Ruli A. Siregar, Dinar Ajeng Kristiyanti, Hasbi Rahma Yani, and Andri Agung Riyadi. 2022. “Text Mining of PeduliLindungi Application Reviews on Google Play Store.†Faktor Exacta 15 (2). https://doi.org/10.30998/faktorexacta.v15i2.10629.
] “Sastrawi/Sastrawi: High Quality Stemmer Library for Indonesian Language (Bahasa).†n.d. Accessed January 9, 2022. https://github.com/sastrawi/sastrawi.
] Simatupang, Meylita Putri, and Dito Putro Utomo. 2019. “ANALISA TESTIMONIAL DENGAN MENGGUNAKAN ALGORITMA TEXT MINING DAN TERM FREQUENCY- INVERSE DOCUMENT FREQUENCE (TF-IDF) PADA TOKO ALLMEEART.†KOMIK (Konferensi Nasional Teknologi Informasi Dan Komputer) 3 (1). https://doi.org/10.30865/komik.v3i1.1697.
] Wati, Risa, and Siti Ernawati. 2021. “Analisis Sentimen Persepsi Publik Mengenai PPKM Pada Twitter Berbasis SVM Menggunakan Python.†Jurnal Teknik Informatika UNIKA Santo Thomas, November, 240–47. https://doi.org/10.54367/JTIUST.V6I2.1465
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Jurnal Teknologi Informasi dan Komputer
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
