Rancang Bangun Aplikasi Berbasis Website Evaluasi Pelakasanaan Magang Menggunakan Naive Bayes Classifier (Studi Kasus Di Departemen Statistika Bisnis ITS)

Putra, Rafly Septianarta (2021) Rancang Bangun Aplikasi Berbasis Website Evaluasi Pelakasanaan Magang Menggunakan Naive Bayes Classifier (Studi Kasus Di Departemen Statistika Bisnis ITS). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 10611710000085-Non_Degree.pdf]
Preview
Text
10611710000085-Non_Degree.pdf - Accepted Version

Download (6MB) | Preview

Abstract

Suatu organisasi atau individu memerlukan evaluasi pelaksanaan untuk melihat perkembangan kualitas yang diberikan. Analisis kepuasan selalu dilakukan oleh organisasi atau perusahaan yang sedang melakukan pengembangan kualitas. Departemen Statistika Bisnis merupakan departemen yang ada di Institut Teknologi Sepuluh Nopember Surabaya yang menjalankan amanah untuk menaungi mahasiswa statistika pada bidang terapan. Perkembangan yang terjadi melahirkan banyak perubahan dan pembaharuan pola pembelajaran akademik, salah satunya adalah adanya pembelajaran berbasis magang. Tahun 2020 merupakan tahun pertama pelaksanaan magang dan belum ada alat ukur untuk mengetahui evaluasi pelaksanaannya sehingga diperlukan alat untuk evaluasi terkait dengan pelaksanaan magang. Salah satu penerapan untuk mewujudkan hal tersebut adalah menciptakan sebuah inovasi dengan mengetahui tanggapan kepuasan mahasiswa menggunakan analisis sentimen dengan Naive Bayes Classifier (NBC). Hasil akurasi klasifikasi model NBC pada data testing sebesar 78.9%. Aplikasi dapat menampilkan jumlah persentase kepuasan pelaksanaan magang, sebesar 49% tidak puas dan 51% puas. Tempat mahasiswa magang tahun 2020 terdiri dari 22 perusahaan BUMN, 35 dinas/pemerintahan, dan 39 perusahaan swasta. Terdapat beberapa tempat magang yang tidak menerapkan Statistika, sebesar 70% tempat magang menerapkan Statistika dan 30% tidak menerapkan statistika.
===================================================================================================
An organization or individual requires an evaluation of the implementation to see the development of a given quality. Satisfaction analysis is always carried out by organizations or companies that are doing quality development. The Department of Business Statistics is a department at the Sepuluh Nopember Institute of Technology, Surabaya, which carries out the mandate to oversee statistics students in the applied field. The developments that occurred gave birth to many changes and renewal of academic learning patterns, one of which was the existence of apprenticeship-based learning. The year 2020 is the first year of internship implementation and there is no measuring tool to determine the evaluation of its implementation so that an evaluation tool is needed related to the implementation of the internship. One application to achieve this is to create an innovation by knowing student satisfaction responses using sentiment analysis with the Naive Bayes Classifier (NBC). The results of the NBC model classification accuracy on the testing data are 78.9%. The application can display the percentage of satisfaction with the implementation of the internship, 49% dissatisfied and 51% satisfied. Places for internship students in 2020 consist of 22 BUMN companies, 35 agencies/governments, and 39 private companies. There are several internships that do not apply Statistics, 70% of internships apply Statistics and 30% do not apply statistics.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Analisis Sentimen, Aplikasi, Magang, Naive Bayes Classifier (NBC),Application, Internship,Sentiment Analysis
Subjects: H Social Sciences > HA Statistics > HA29 Theory and method of social science statistics
H Social Sciences > HD Industries. Land use. Labor > HD31 Management--Evaluation
Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines.
Divisions: Faculty of Vocational > 49501-Business Statistics
Depositing User: Rafly Septianarta Putra
Date Deposited: 13 Aug 2021 07:49
Last Modified: 20 Dec 2024 02:17
URI: http://repository.its.ac.id/id/eprint/86152

Actions (login required)

View Item View Item