Klasifikasi Sentiment Analysis Pada Saran Akademik Politeknik Caltex Riau Dengan Algoritma K-Nearest Neighbor

Authors

  • Dara Annisya Politeknik Caltex Riau
  • Dini Nurmalasari Politeknik Caltex Riau
  • Wawan Yunanto Politeknik Caltex Riau

Abstract

Salah satu kegiatan rutin yang dilakukan di Politeknik Caltex Riau (PCR) adalah memberikan kuesioner kepada mahasiswa mengenai feedback mengenai proses belajar mengajar selama satu semester. Hal ini dilakukan setiap akhir semester. Kuesioner ini berisi pernyataan dan juga saran. Sejak tahun 2015 data saran mulai menjadi perhatian, namun dalam pengelolaannya masih belum menjadi fokus utama. Seiring bertambahnya jumlah data saran maka untuk kedepannya dibutuhkan sebuah sistem untuk melakukan segmentasi saran secara otomatis yang diharapkan dapat membantu kaprodi dan kajur untuk monitoring saran dalam proses Process Management Program. Oleh karena itu akan dibangun sebuah sistem yang akan melakukan sentiment analysis pada data saran, sehingga data saran tersebut dapat dibagi menjadi sentiment positif dan negatif. Sistem yang dibangun menerapkan Text Mining dan algoritma k-Nearest Neighbor. Text Mining digunakan untuk mengolah data saran dan algoritma k-Nearest Neighbor untuk mengklasifikasikan saran ke dalam sentimen positif atau negatif. Klasifikasi saran pada sistem memiliki akurasi sebesar 95,45% dengan nilai k 3 dan minimal kemunculan kata 7  pada frequent itemset.Kata kunci: Kuesioner, Sentiment Analysis, Text Mining, k-Nearest Neighbor

Author Biographies

Dara Annisya, Politeknik Caltex Riau

Sistem Informasi

Dini Nurmalasari, Politeknik Caltex Riau

Teknik Komputer

Wawan Yunanto, Politeknik Caltex Riau

Sistem Informasi

References

Liu. B, “Sentiment Analysis and Opinion Mining”, 2012.

Gunawan, Lestari, I., & Zul, M. I, “Sistem Pendukung Keputusan Pemilihan Pembimbing dan Penguji Proyek Akhir di Politeknik Caltex Riau”, 3rd Applied Business and Engineering Conference, 2015.

Yuliana, “Sistem Pengelolaan Judul Proyek Akhir Menggunakan Text Mining pada Politeknik Caltex Riau”, Program Studi Sistem Informasi Politeknik Caltex Riau, 2014.

Manalu, B. U, “Analisis Sentimen pada Twitter Mengunakan Text Mining”, Program Studi Teknologi Informasi Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, 2014.

Feldman, R., Sanger, J, “The Text Mining Handbook Advanced Approaches in Analyzing Unstructured Data”, Cambridge: Cambridge University Press, 2007.

Rozi, I. F., Pramono, S. H., Dahlan, E. A, “Implementasi Opinion Mining (Analisis Sentimen) untuk Ekstraksi Data Opini Publik pada Perguruan Tinggi”, Jurnal EECCIS, 6, 2012.

Falahah, Nur, D. A, “Pengembangan Aplikasi Sentiment Analysis Menggunakan Metode Naive Bayes (Studi Kasus Sentiment Analysis dari media Twitter)”, Seminar Nasional Sistem Informasi Indonesia, 2015.

Han, J., Kamber, M, “Data Mining: Concepts and Techniques”, San Francisco: Elsevier Inc, 2006.

Pitria, P, “Analisis Sentimen Pengguna Twitter pada Akun Resmi Samsung Indonesia dengan Menggunakan Naive Bayes”, 2014.

Visa, S., Ramsay, B., Ralescu, A., Knaap, E, “Confusion Matrix-based Feature Selection”, Midwest Artificial Intelligence and Cognitive Science Conference, 2011.

Published

2017-12-18

Issue

Section

Artikel