Bama Abpama Sevsa, M. D. R. Wahyudi
{"title":"Analisis Sentimen pada Indeks Kinerja Dosen Fakultas SAINTEK UIN Sunan Kalijaga Menggunakan Naive Bayes Classifier","authors":"Bama Abpama Sevsa, M. D. R. Wahyudi","doi":"10.24002/jbi.v10i2.2250","DOIUrl":null,"url":null,"abstract":"Abstrak. UIN Sunan Kalijaga Yogyakarta memiliki sistem penilaian kinerja dosen yang biasa disebut dengan IKD (Indeks Kinerja Dosen) di Sistem Informasi Akademik. Penilaian diisi oleh mahasiswa pada akhir semester dengan mengisi kuesioner berupa kritik dan saran terhadap kegiatan perkuliahan. Dari data kritik dan saran ini bisa dilihat apakah memiliki sentimen negatif, netral, ataupun positif dengan cara melakukan analisis sentimen. Analisis sentimen yang dipergunakan adalah Naive Bayes Classifier. Pada penelitian ini, sebanyak 8249 data yang dipergunakan, dengan komposisi 3000 data latih dengan label dan 5249 data uji tanpa label. Analisis sentimen data kritik dan saran IKD ini menghasilkan akurasi yang lebih besar menggunakan pembobotan TF-IDF yaitu 73,9% dibandingkan dengan pembobotan TF yaitu 72,8%. Nilai akurasi ini didapatkan dari 3000 data latih yang sudah diberi label menggunakan metode evaluasi model klasifikasi K-Fold Cross Validation","PeriodicalId":381749,"journal":{"name":"Jurnal Buana Informatika","volume":"1 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2019-10-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"4","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Buana Informatika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.24002/jbi.v10i2.2250","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 4

摘要

抽象。重置kali卡门日经有一种学术信息系统中常见的讲师绩效评估系统。学生在学期结束时填写一份对学校活动的批评和建议的问卷。从这些批评和建议的数据中,我们可以看到他们的情绪是消极的,中立的,还是积极的分析。对原始情感的分析是天真的经典之作。在这项研究中,共有8249个数据在使用中,组成了3000个数据集,使用了标签进行测试,使用了5249个测试数据。这些数据批评情绪分析和IKD建议对TF- idf的擅自侵入比TF的侵入率高出73.9%,即72.8%。准确性值来自3000个经过验证的数据,这些培训数据使用了K-Fold Cross分类模型的评估方法
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
Analisis Sentimen pada Indeks Kinerja Dosen Fakultas SAINTEK UIN Sunan Kalijaga Menggunakan Naive Bayes Classifier
Abstrak. UIN Sunan Kalijaga Yogyakarta memiliki sistem penilaian kinerja dosen yang biasa disebut dengan IKD (Indeks Kinerja Dosen) di Sistem Informasi Akademik. Penilaian diisi oleh mahasiswa pada akhir semester dengan mengisi kuesioner berupa kritik dan saran terhadap kegiatan perkuliahan. Dari data kritik dan saran ini bisa dilihat apakah memiliki sentimen negatif, netral, ataupun positif dengan cara melakukan analisis sentimen. Analisis sentimen yang dipergunakan adalah Naive Bayes Classifier. Pada penelitian ini, sebanyak 8249 data yang dipergunakan, dengan komposisi 3000 data latih dengan label dan 5249 data uji tanpa label. Analisis sentimen data kritik dan saran IKD ini menghasilkan akurasi yang lebih besar menggunakan pembobotan TF-IDF yaitu 73,9% dibandingkan dengan pembobotan TF yaitu 72,8%. Nilai akurasi ini didapatkan dari 3000 data latih yang sudah diberi label menggunakan metode evaluasi model klasifikasi K-Fold Cross Validation
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Blackbox Testing on Virtual Reality Gamelan Saron Using Equivalence Partition Method Implementasi Perbaikan Kualitas Citra Tanaman terhadap Perbedaan Kamera untuk Prediksi Pigmen Fotosintesis berbasis Machine Learning Comparative Analysis of Sound Response from Simple and Fuzzy Algorithm in Saron Virtual Reality Klasterisasi Puskesmas dengan K-Means Berdasarkan Data Kualitas Kesehatan Keluarga dan Gizi Masyarakat Analisis Sentimen Ulasan Aplikasi Jamsostek Mobile Menggunakan Metode Support Vector Machine
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1