JudulANALISIS SENTIMEN TERHADAP PELAYANAN MAHASISWA UNIVERSITAS TADULAKO MENGGUNAKAN NAÏVE BAYES |
Nama: AIDIL HASANUL MAARIF |
Tahun: 2025 |
Abstrak Banyaknya keluhan yang di lontarkan mahasiswa tentang pelayanan yang mereka terima tertutama dalam pelayanan administrasi dan juga fasilitas kampus yang disediakan terhadap mereka. Penelitian ini bertujuan untuk membangun atau merangkai sistem analisis sentimen dengan algoritma Naive Bayes berbasis web tools shingga mahasiswa bisa berkomunikasi kepada pihak kampus melalui sentiment analisis ini. Sistem ini di rancang menggunakan python dengan menggunakan streamlit sebagai frontend juga backend agar user dengan mudah dapat menggunakannya. Pengumpulan data dilakukan dengan melalugi google form dan meminta mahasiswa untuk melontarkan komentar atau keluhan terhadap pelayanan administrasi dan fasilitas kampus. Dengan menggunakan algoritma Naive Bayes juga di dukung dengan fitur dari TF-IDF sehingga model training yang di hasilkan bisa memiliki akurasi yang tinggi saat dilakukan uji coba. Dengan menggunakan tiga nilai sentimen berupa negatif, positif, atau mixed, model di training dengan mengkonversi data ke three integer class yang bernilai 0.5 yang merupakan sentiment mix atau netral menjadi nilai 1 yang terjadi hanya saat training di lakukan. Dengan adanya sistem ini pihak kampus dapat memberikan pelayanan yang maksimal terhadap mahasiswanya. Kata Kunci : Analisis sentiment, Keluhan mahasiswa, Algoritma Naive Bayes, Web tools. Many complaints are made by students about the services they receive, especially in administrative services and campus facilities provided to them. This study aims to build or assemble a sentiment analysis system with the Naive Bayes algorithm based on web tools so that students can communicate with the campus through this sentiment analysis. This system is designed using python using streamlit as the frontend and backend so that users can easily use it. Data collection is carried out through a google form and asking students to make comments or complaints about administrative services and campus facilities. By using the Naive Bayes algorithm, it is also supported by features from TF-IDF so that the resulting training model can have high accuracy when tested. By using three sentiment values in the form of negative, positive, or mixed, the model is trained by converting data to three integer classes with a value of 0.5 which is a mixed or neutral sentiment to a value of 1 which occurs only when training is carried out. With this system, the campus can provide maximum service to its students. Keywords: Sentiment analysis, Student complaints, Naive Bayes algorithm, Web tools. |