Sentimen Analisis pada Komentar Angket Dosen di STMIK STIKOM Indonesia

Abstract

Dalam penelitian ini melakukan sentiment analisis terhadap komentar angket dosen di STMIK STIKOM Indonesia. Angket dosen digunakan untuk mengukur kinerja dosen disetiap akhir semester, namun akan sangat menyulitkan jika untuk melakukan evaluasi komentar secara manual. Untuk itulah diperlukan suatu aplikasi yang dapat menentukan sebuah komentar termasuk ke dalam sentimen positif atau negative secara otomatis. Metode yang digunakan yaitu Naïve Bayes Clasifier (NBC), metode ini dipilih karena cukup sederhana, memiliki akurasi dan kecepatannya yang tinggi. Proses penentuan sentimen dimulai dari memasukkan data latih berupa komentar yang sentimennya sudah ditentukan sebelumnya. Selanjutnya mengubah setiap huruf besar pada komentar menjadi huruf kecil (case folding). Proses text mining pada data latih melalui tiga tahap yaitu tokenizing, filtering dan stemming. Proses stemming pada penelitian ini menggunakan Nazief dan Adriani Stemmer dan kemudian disimpan kedalam database. Selanjutnya yaitu memasukkan data uji berupa komentar baru yang belum diketahui sentimennya. Proses selanjutnya sama seperti pada data latih tetapi pada data uji setelah stemming ada proses analisis. Pada tahapan analisis komentar sebagai data latih yang ada didatabase diambil untuk melakukankan perhitungan menggunakan metode Naive Bayes Clasifier sehingga diketahui sentimen dari data uji yang telah diinputkan. Hasil pengujian  menunjukkan bahwa semakin besar jumlah data latih maka presisi semakin besar. Presisi maksimum sebesar 80% dicapai pada data latih 250 dan data uji sebanyak 50.

Kata kunci— Sentimen, Angket, Naive Bayes Classification