Pengukuran Kinerja Lembaga dengan Penerapan Sentiment Analysis
Abstract
Pengukuran kinerja lembaga merupakan hal yang penting untuk dilakukan guna menjamin mutu kualitas pendidikan. Pengukuran kinerja lembaga di Universitas Ahmad Dahlan (UAD) dilakukan oleh Badan Penjaminan Mutu menggunakan angket kepuasan responden dengan 4 skala jawaban yaitu "sangat tidak memuaskan", "tidak memuaskan", "memuaskan" dan "sangat memuaskan". Data angket masih diolah secara manual dan belum digunakan untuk memberikan kesimpulan atau rekomendasi terhadap kinerja unit/lembaga. Data angket tersebut bisa dimanfaatkan untuk diklasifikasikan ke dalam kelas positif dan negatif sehingga dapat digunakan untuk pengukuran kinerja lembaga. Penelitian ini bertujuan untuk mengembangkan sistem pengukuran kinerja lembaga dengan penerapan sentiment analysis menggunakan kombinasi metode Fuzzy C-Means (FCM) dan K-Nearest Neighbors (K-NN). Manfaat dari penelitian ini yaitu dapat mempermudah evaluasi kinerja lembaga secara efisien, optimal dan akurat.
Metode pengumpulan data dengan studi pustaka dan teknik wawancara. Tahapan pengembangan sistem meliputi analisis data, analisis kebutuhan sistem, perancangan sistem terdiri dari perancangan flowchart sistem, flowchart FCM, flowchart K-NN dan perancangan antarmuka, implementasi dan pengujian.
Hasil penelitian ini yaitu sistem yang dapat memprediksi kelas sentimen pada angket kepuasan responden ke dalam kelas positif dan negatif, serta menghasilkan rekomendasi perbaikan untuk setiap unit/lembaga. Akurasi tertinggi menggunakan metode confusion matrix sebesar 98%, precision 0,97 dan recall 0,97 pada nilai k (K-NN) yaitu k=4 dan k=5. Penelitian ini menggunakan 1564 data angket dari 11 unit dengan jumlah data masing-masing unit berbeda. Hasil sentiment analysis terhadap 11 unit didapatkan prosentase sentimen positif 22% dan negatif 78%. Prosentase sentimen negatif yang lebih tinggi bermakna bahwa kinerja unit/lembaga di UAD secara rata-rata kurang baik.Keywords
Full Text:
PDFReferences
Y. Permatasari, U. Salamah, and R. Saptono, “Klasifikasi Risiko Bahaya Kehamilan dengan Metode Fuzzy C-Means,†J. ITSMART, vol. 2, no. June, pp. 8–15, 2013, doi: 10.20961/its.v2i1.610.
V. N. Phu, N. D. Dat, V. T. N. Tran, V. T. N. Chau, and T. A. Nguyen, “Fuzzy C-means for english sentiment classification in a distributed system,†Appl. Intell., vol. 46, no. 3, pp. 717–738, 2016, doi: 10.1007/s10489-016-0858-z.
A. Salam, J. Zeniarja, and R. S. U. Khasanah, “ANALISIS SENTIMEN DATA KOMENTAR SOSIAL MEDIA FACEBOOK DENGAN K-NEAREST NEIGHBOR ( STUDI KASUS PADA AKUN JASA EKSPEDISI BARANG J&T EKSPRESS INDONESIA),†in Prosiding SINTAK, 2018, pp. 480–486.
B. Pang and L. Lee, Opinion Mining and Sentiment Analysis, vol. 2. 2008.
G. S. Linoff and M. J. A. Berry, Data Mining Techniques : For Marketing, Sales, and Customer Relationship Management. Canada: Willey, 2011.
F. Nurhuda, S. Widya Sihwi, and A. Doewes, “Analisis Sentimen Masyarakat terhadap Calon Presiden Indonesia 2014 berdasarkan Opini dari Twitter Menggunakan Metode Naive Bayes Classifier,†J. Teknol. Inf. ITSmart, vol. 2, no. 2, p. 35, 2016, doi: 10.20961/its.v2i2.630.
L. Ardiani and H. Sujaini, “Implementasi Sentiment Analysis Tanggapan Masyarakat Terhadap Pembangunan di Kota Pontianak Implementation of Sentiment Analysis of Community Responses to Development in Pontianak City,†vol. 8, no. 2, pp. 44–51, 2020, doi: 10.26418/justin.v8i2.36776.
K. R. Prilianti and H. Wijaya, “Aplikasi Text Mining untuk Automasi Penentuan Tren Topik Skripsi dengan Metode K-Means Clustering,†J. Cybermatika, vol. 2, no. 1, pp. 1–6, 2014, [Online]. Available: http://www.mendeley.com/research/aplikasi-text-mining-untuk-automasi-penentuan-tren-topik-skripsi-dengan-metode-kmeans-clustering.
F. Z. Tala, “A Study of Stemming Effects on Information Retrieval in Bahasa Indonesia,†M.Sc. Thesis, Append. D, vol. pp, pp. 39–46, 2003.
A. A. Maarif, “Penerapan Algoritma TF-IDF untuk Pencarian Karya Ilmiah,†Dok. Karya Ilm. | Tugas Akhir | Progr. Stud. Tek. Inform. - S1 | Fak. Ilmu Komput. | Univ. Dian Nuswantoro Semarang, no. 5, p. 4, 2015, [Online]. Available: mahasiswa.dinus.ac.id/docs/skripsi/jurnal/15309.pdf.
S. Kusumadewi, Analisis & Desain Sistem Fuzzy Menggunakan Toolbox Matlab. Yogyakarta: Graha Ilmu, 2002.
D. T. Larose, Discovering Knowledge in Data : An Introduction to Data Mining. Canada: John Wiley & Sons, 2005.
B. Santosa and A. Umam, Data Mining dan Big Data Analytics. Yogyakarta: Penebar Media Pustaka, 2018.
E. Prasetyo, Data Mining : Mengolah Data Menjadi Informasi Menggunakan Matlab. Yogyakarta: Penerbit Andi, 2014.
R. Feldman and J. Sanger, The Text Mining Handbook : Advanced Approaches in Analyzing Unstructured Data. New York: Cambridge University Press, 2007.
J. Han, M. Kamber, and J. Pei, Data mining: Data mining concepts and techniques, Third Edit. United States of America, 2012.
DOI: http://dx.doi.org/10.12928/jstie.v8i2.20033
Refbacks
- There are currently no refbacks.
Copyright (c) 2021 Sri Wahyuni
![Creative Commons License](http://i.creativecommons.org/l/by-sa/4.0/88x31.png)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jurnal Sarjana Teknik Informatika
Organized by Informatics Department
Published by Universitas Ahmad Dahlan
Website: http://journal.uad.ac.id/index.php/JSTIF
Office: Industrial Technology Faculty, Kampus Utama UAD Jalan Ahmad Yani (Ringroad Selatan), Tamanan, Banguntapan, Bantul, Yogyakarta 55166, Indonesia
Email: herman.yuliansyah@tif.uad.ac.id || jurnalsarjana@tif.uad.ac.id
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.