<![CDATA[Evaluasi pengajaran dilakukan menggunakan aplikasi Digital Teacher Assessment (DITA) belum melibatkan klasifikasi pengelompokkan. Data komentar yang terkumpul dikelompokkan menjadi tiga kategori yaitu komentar positif, negatif, dan netral. Berdasarkan kategori komentar membutuhkan analisis sentimen dalam mengelompokkan komentar tersebut. Analisis sentimen menggunakan lexicon based. Selanjutnya data komentar tersebut diberi bobot menggunakan TF-IDF sebelum diklasifikasikan dan dievaluasi. Dalam penelitian ini menggunakan algoritma regresi logistik, support vector machine (SVM), dan gradient boosting. Hasil penelitian menunjukkan perbandingan akurasi dari algoritma regresi logistik, support vector machine (SVM), dan gradient boosting dengan algoritma gradient boosting memiliki tingkat akurasi yang paling tinggi yaitu 97,5%. Dari hasil penelitian dapat disimpulkan bahwa algoritma gradient boosting memiliki tingkat akurasi lebih baik dalam mengklasifikasi data analisis sentimen komentar siswa.]]>
Copyrights © 2023
