Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science
Saputri, Ni Kadek Tesya Ari
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Perbandingan Metode Analisis Sentimen Pelayanan Daring di Fakultas Teknik dan Kejuruan Universitas Pendidikan Ganesha Menggunakan Algoritma Naïve Bayes dan LSTM: Sentiment Analysis of Online Services at the Engineering and Vocational Faculty of Ganesha Education University Using Naïve Bayes and LSTM Algorithms Saputri, Ni Kadek Tesya Ari; Gunadi, I Gede Aris; Sunarya, I Made Gede
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 3 (2024): MALCOM July 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i3.1336

Abstract

Salah satu fakultas di Univesitas Pendidikan Ganesha yaitu Fakultas Teknik dan Kejuruan (FTK) yang menerapkan pelayanan daring di masa pandemi COVID-19. Berbagai komentar muncul saat dilakukan pelayanan daring ini sehingga perlu dilakukannya sebuah analisis. Mahasiswa memberikan pendapat positif dan negatif. Untuk menganalisis komentar mahasiswa menggunakan metode Naive Bayes dan Long Short-Term Memory (LSTM). Data yang digunakan merupakan informasi yang diperoleh dari penyebaran angket yang diisi oleh mahasiswa FTK. Evaluasi matriks konfusi termasuk akurasi, presisi, recall, dan f-measure. Penelitian ini bertujuan untuk membandingkan kedua metode Naive Bayes dan LSTM serta mendeteksi kata-kata yang sering muncul pada pelayanan daring FTK dengan membandingkan stopword yang dikumpulkan pada saat pemrosesan kuesioner. Menguji keakuratan metode klasifikasi Naïve Bayes dan hasilnya adalah 83,69%. Hasil klasifikasi metode LSTM mencapai akurasi sebesar 53,12%. Nilai akurasi LSTM yang dihasilkan sangat rendah. Mungkin alasan utamanya adalah hanya komentar positif yang terbaca saat mencoba metode LSTM. Penyebab lainnya yaitu dataset yang juga dapat mempengaruhi. Dengan membandingkan kinerja Naive Bayes dan LSTM, diperoleh hasil yang menunjukkan metode Naïve Bayes lebih unggu untuk menganalisis komentar mahasiswa FTK Undiksha.
Co-Authors I Gede Aris Gunadi I Made Gede Sunarya