Auto Labeling Untuk Analisis Sentimen Opini Mahasiswa Baru Terhadap Pembelajaran Mata Kuliah Dengan Algoritma K-Nearest Neighbor

Auto Labeling for Analysis of New Student Opinion Sentiments Regarding Course Learning Using the K-Nearest Neighbor Algorithm

  • Husdi Universitas Ichsan Gorongtalo
  • Andi Kamaruddin Universitas Ichsan Gorontalo
Keywords: Sentimen Analisis, Mahasiwa Baru, Pembelajaran, TextBlob, K-Nearest Neigbor, Akurasi

Abstract

Pendidikan adalah usaha sadar dan terencana untuk menciptakan suasana  dan proses pembelajaran agar peserta didik secara aktif mengembangkan potensi dirinya untuk memperoleh kekuatan, jiwa keagamaan yang kuat, pengendalian diri, kepribadian, kecerdasan, berakhlak mulia. moralitas dan keterampilan yang dibutuhkannya, masyarakat, bangsa dan negara.  Permasalahan utama yang diangkat dalam penelitian ini adalah belum di ketahuinya penilaian mahasiswa baru  terhadap pembelajaran di Fakultas Ilmu Komputer untuk melakukan evalusi maupun perbaikan layanan Akademik Kepada Mahasiswa khususnya mahasiswa baru. Solusi yang ditawarkan untuk  permasalahan tersebut adalah menganalisa sentimen mahasiswa baru terhadap layanan akademik di Program Studi Teknik Informatika dengan menggunakan Teknik Text Mining. Selanjutnya dugunakan teknik  pelabelan otomatis dengan TextBlob sehingga dapat menganalisis sentimen hal tersebut dapat dibuktikan dengan pengujian akurasi dari hasil klasifikasi menggunakan algoritma K-NN dengan akurasi tertinggi sebesar 85%. a.              Berdasarkan hasil ekeperimen yang dilakukan didapatkan hasil analisis sentimen oleh mahasiswa baru terhadap pembelajaran matakuliah. Pada grafik tersebut diperlihatkan 76% bernilai positif, 18.4% bernilai netral dan hanya 8.1% bernilai negatif

Published
2024-04-30
How to Cite
[1]
Husdi and Andi Kamaruddin, “Auto Labeling Untuk Analisis Sentimen Opini Mahasiswa Baru Terhadap Pembelajaran Mata Kuliah Dengan Algoritma K-Nearest Neighbor”, Restikom, vol. 6, no. 1, pp. 148-157, Apr. 2024.
Section
Article