Analisis Sentimen Penggunaan Aplikasi S-Learn Mahasiswa Teknologi Informasi Politeknik Negeri Jember Menggunakan Metode Logistic Regression

Tantri, Anindya Hudaa Kumala (2026) Analisis Sentimen Penggunaan Aplikasi S-Learn Mahasiswa Teknologi Informasi Politeknik Negeri Jember Menggunakan Metode Logistic Regression. Undergraduate thesis, Politeknik Negeri Jember.

	Text (Abstract) Abstract.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (199kB)
	Text (Bab 1 Pendahuluan) Bab 1 Pendahuluan.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (199kB)
	Text (Laporan Lengkap) Laporan Lengkap.pdf - Submitted Version Restricted to Registered users only Download (4MB) | Request a copy
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (174kB)

Abstract

S-Learn merupakan platform pembelajaran digital yang digunakan mahasiswa Politeknik Negeri Jember untuk mendukung kegiatan perkuliahan. Beragam tanggapan mahasiswa terhadap penggunaan S-Learn versi website menunjukkan perlunya analisis sentimen untuk mengetahui kecenderungan penilaian pengguna. Penelitian ini bertujuan untuk mengetahui kecenderungan sentimen mahasiswa Jurusan Teknologi Informasi serta mengevaluasi kinerja metode Logistic Regression dalam mengklasifikasikan ulasan. Penelitian menggunakan 571 ulasan mahasiswa yang dikumpulkan melalui Google Form dan diberi label positif atau negatif. Data melalui tahapan cleaning, case folding, normalisasi, tokenisasi, stopword removal, dan stemming. Selanjutnya, data dibagi menjadi data latih dan data uji dengan rasio 80:20, dibobot menggunakan Term Frequency-Inverse Document Frequency (TF-IDF), dan diklasifikasikan menggunakan Logistic Regression. Hasil penelitian menunjukkan bahwa 379 ulasan (66,4%) memiliki sentimen negatif dan 192 ulasan (33,6%) memiliki sentimen positif. Model memperoleh akurasi sebesar 93,04% pada 115 data uji, dengan 107 prediksi benar dan 8 prediksi salah. Model juga diimplementasikan pada website analisis sentimen yang berdasarkan hasil User Acceptance Testing (UAT) memenuhi seluruh 32 skenario pengujian dengan persentase penerimaan sebesar 100%. Hasil penelitian menunjukkan bahwa sentimen mahasiswa terhadap S-Learn versi website didominasi sentimen negatif, sementara Logistic Regression mampu mengklasifikasikan sentimen dengan baik. Kata kunci: analisis sentimen, S-Learn, Logistic Regression, TF-IDF, ulasan mahasiswa

Actions (login required)

View Item