Author:
Hidayat Taupik,Cahyana Rinda,Julianto Indri Tri
Abstract
AISnet For Student adalah sebuah sistem informasi akademik yang dibangun oleh Institut Teknologi Garut untuk memberikan kemudahan kepada mahasiswa dalam menjalankan berbagai kegiatan administrasi akademik kampus secara online. Penelitian ini memiliki tujuan untuk melakukan analisis sentimen terhadap layanan akademik online di Institut Teknologi Garut dengan melibatkan mahasiswa sebagai subjek penelitian. Analisis sentimen ini akan dilakukan menggunakan Algoritma Naive Bayes untuk menggali pandangan dan pendapat mahasiswa terkait dengan layanan akademik tersebut. Penelitian ini dilakukan dengan tujuan untuk mengidentifikasi potensi masalah yang mungkin terjadi dalam layanan akademik online di Institut Teknologi Garut. Selain itu, penelitian ini juga bertujuan untuk memberikan rekomendasi yang dapat membantu dalam meningkatkan kualitas layanan tersebut. Penelitian menunjukkan bahwa mahasiswa memiliki sentimen positif terhadap layanan akademik pada kampus. Tetapi, ada beberapa masalah yang perlu diatasi, seperti masalah teknis dan kekurangan fitur dalam sistem tersebut. Solusi dalam mengatasi masalah tersebut yaitu dengan mengembangkan sistem yang user-friendly, meningkatkan kualitas jaringan, meningkatkan fitur sistem, melakukan pelatihan atau sosialisasi penggunaan sistem kepada mahasiswa, dan menerapkan teknologi dan inovasi terbaru dalam layanan sistem akademik mahasiswa online. Hasil Penelitian ini memiliki potensi untuk memberikan manfaat bagi lembaga pendidikan dengan cara membantu dalam perbaikan layanan akademik online yang lebih baik. Hasilnya diharapkan dapat meningkatkan kepuasan dan kualitas layanan yang diberikan kepada mahasiswa. Selain itu, penelitian ini juga dapat menjadi acuan atau referensi bagi penelitian-penelitian selanjutnya yang berkaitan dengan analisis sentimen di bidang akademik atau bidang lainnya. Dimana Algoritma Naive Bayes digunakan untuk menganalisis sentimen mahasiswa terhadap layanan akademik pada kampus Institut Teknologi Garut. Hasil akhir menunjukan bahwa sentimen negatif lebih besar ketimbang sentimen positif. Dimana sentimen negatif sebesar 54,75 % dan sentimen positif sebesar 45,24%, hal ini di karnakan pada aplikasi AISNet pengguna kebanyakan memberikan ulasan untuk update nya tidak real time berikut adalah hasil akhir dengan mendapatkan accuracy 80,06%, percission sebesar 83,11 dan recall 75,21.
Reference21 articles.
1. M. Mauludin Rohman and S. Adinugroho, “Analisis Sentimen pada Ulasan Aplikasi Mobile JKN Menggunakan Metode Maximum Entropy dan Seleksi Fitur Gini Index Text,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 6, pp. 2646–2654, 2021.
2. F. Fathonah and A. Herliana, “Penerapan Text Mining Analisis Sentimen Mengenai Vaksin Covid - 19 Menggunakan Metode Naïve Bayes,” J. Sains dan Inform., vol. 7, no. 2, pp. 155–164, 2021, doi: 10.34128/jsi.v7i2.331.
3. A. K. Fauziyyah, “Analisis Sentimen Pandemi Covid19 Pada Streaming Twitter Dengan Text Mining Python,” J. Ilm. SINUS, vol. 18, no. 2, p. 31, 2020, doi: 10.30646/sinus.v18i2.491.
4. M. K. Insan, “Analisis Sentimen Aplikasi Brimo Pada Ulasan Pengguna Di Google Play Menggunakan Algoritma Naive Bayes,” J. Mhs. Tek. Inform., vol. 7, no. 1, pp. 478–483, 2023.
5. J. Aransay et al., “GitHub y Google Colaboratory para el desarrollo, comunicación y gestión de prácticas en los laboratorios de informática,” Actas las Jenui, vol. 7, p. 183, 2022.