Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Jurnal Informasi dan Komputer
Larasati Nabila Putri
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Mathematics Other

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

Found 1 Documents
Search

 1 
ANALISIS SENTIMEN KEPUASAN PEMANGKU KEPENTINGAN MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER DAN K-NEAREST NEIGHBOUR Ni Luh Ratniasih; Larasati Nabila Putri
Jurnal informasi dan komputer Vol 11 No 02 (2023): Jurnal Informasi dan Komputer yang terbit pada tahun 2023 pada bulan 10 (Oktobe
Publisher : STMIK Dian Cipta Cendikia Kotabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35959/jik.v11i02.378

Abstract

Pemangku kepentingan merupakan individu atau kelompok yang memiliki kepentingan dan dapat memberikan pengaruh kepada suatu objek. Pengukuran kepuasan pemangku kepentingan (stakeholder) sangat penting dilakukan untuk mendapatkan umpan balik dan masukan bagi keperluan pengembangan dan implementasi strategi peningkatan kepuasan pemangku kepentingan, sehingga perlu diketahui opini dari pemangku kepentingan. Metode penelitian terdiri dari beberapa tahap diantaranya tahap pertama dilakukan identifikasi masalah dan studi pustaka, tahap kedua pengumpulan data kepuasan pemangku kepentingan (Mahasiswa), tahap ketiga preprocessing data, tahap keempat adalah ekstrasi fitur agar dapat mempermudah klasifikasi menggunakan metode Naïve Bayes Classifier (NBC) dan K-Nearest Neighbour (KNN). Tahap keempat merupakan tahap pengujian dan evaluasi model. Tahap kelima adalah pengujian tingkat akurasi metode. Tujuan dari penelitian ini adalah mendapatkan perbandingan tingkat akurasi antara metode Naïve Bayes Classifier (NBC) dan K-Nearest Neighbour (KNN) pada analisis sentimen dari komentar hasil pengukuran kepuasan pemangku kepentingan. Hasil tingkat akurasi menggunakan metode Naïve Bayes Classifier (NBC) sebesar 91,13% dan K-Nearest Neighbour (KNN) sebesar 83,06% sehingga performance metode Naïve Bayes Classifier (NBC) lebih tinggi dalam analisis sentiment kepuasan pemangku kepentingan.
Co-Authors Ni Luh Ratniasih