Selama ini data saran mahasiswa masih diolah secara manual

menggunakan Microsoft Excel. Data yang dikelola oleh Unit Penjaminan

Mutu (UPM) PCR ini digunakan sebagai pendukung keputusan untuk
direktur PCR. Keputusan yang diambil dapat berupa pembinaan khusus
bagi dosen yang memperoleh hasil survei yang kurang memuaskan atau
pun beberapa kebijakan lainnya yang dapat mendukung peningkatan
kinerja dosen tersebut. Data ini sangat mungkin dapat mengungkapkan
hal-hal yang belum terungkap melalui pertanyaan-pertanyaan yang
terbatas dan diberikan ulang setiap semester. Untuk itu penelitian ini
bertujuan melakukan kajian penerapan teknik sentiment analysis untuk
menganaliasa data-data saran atau opini mahasiswa.
Sentiment analysis mempelajari opini yang mengungkapkan atau
mengekspresikan pandangan positif atau negatif (Liu, 2012). Opini yang
diinputkan memiliki tingkat kesopanan yang berbeda. Oleh karena itu
diperlukan penyaringan opini dengan cara melakukan sentiment analysis
pada saran akademik PCR. Sentiment analysis digunakan untuk
mengetahui sikap emosional mahasiswa agar opini tersebut masuk
kedalam kelompok yang sama.
Text mining merupakan variasi dari data mining yang berusaha
menemukan pola yang menarik dari sekumpulan data tekstual yang
berjumlah besar.
Sentiment
Analysis
dilakukan
untuk
melihat
pendapat
atau
kecenderungan opini terhadap sebuah masalah atau objek oleh
seseorang, apakah cenderung berpandangan atau beropini negatif atau
positif
Algoritma k-NN menggunakan ketetanggaan sebagai nilai prediksi dari
sampel uji yang baru. Jarak yang digunakan adalah Euclidean Distance.
Konsep dasar dari Frequent Itemset Mining (FIM) adalah frequent pattern
yang merupakan pola yang muncul secara berkala di dalam data set.
Frequent itemset mengarah pada penemuan hubungan dan korelasi
antara kumpulan item di dalam transactional data

07:30-08:30 WIB
07:30-08:30 WIB
07:30-08:30 WIB
07:30-08:30 WIB
07:30-08:30 WIB
07:30-08:30 WIB
07:30-08:30 WIB
07:30-08:30 WIB
07:30-08:30 WIB
07:30-08:30 WIB
07:30-08:30 WIB
07:30-08:30 WIB
07:30-08:30 WIB
07:30-08:30 WIB
07:30-08:30 WIB