Analisis Sentimen Evaluasi Kinerja Dosen Menggunakan Term Frequency-Inverse Document Frequency dan Naïve Bayes Classif

Pengajaran yang baik dapat membantu mahasiswa dalam mencapai hasil yang maksimal. Untuk meningkatkan kualitas pembelajaran dan standarisasi akademik perlu dilakukan evaluasi sehingga dapat menghasilkan mahasiswa-mahasiswa yang berkualitas. Oleh karena itu, Jurusan Sistem informasi selalu melakukan evaluasi terhadap kinerja menggunakan kuisioner yang diisikan oleh mahasiswa disetiap akhir semester. Hasil kolom saran dapat dilakukan analisis sentimen untuk mengetahui saran tersebut bernilai positif, negatif atau netral. Salah satu metode yang bisa digunakan untuk menyelesaikan masalah opinion mining adalah Naive Bayes Classifier (NBC). NBC bisa digunakan untuk mengklasifikasikan opini kedalam kelas positif, negatif dan netral. Data komentar yang terkumpul sebanyak 3502 yang terbagi menjadi 3 semester. Data komentar ini kemudian dilakukan tahapan preprocessing, pembobotan TF-IDF dan klasifikasi menggunakan metode Naive Bayes Classifier. Hasil Pengujian terhadap 4 parameter menghasilkan akurasi sebesar 80.1%, Precision 80.3%, Recall 80.3% dan F1-Score 80%. Hasil dari Usability testing diperoleh nilai rata-rata SUS Score sebesar 75. Sehingga dapat disimpulkan bahwa Dashboard yang telah dibuat ini termasuk kedalam kategori Acceptance dan berada pada rating “Goo