ANALISIS SENTIMEN DAN KLASIFIKASI KUALITAS LAPORAN LOGBOOK MAGANG MENGGUNAKAN ALGORITMA NAÏVE BAYES

ANALISIS KLASIFIKASI KUALITAS LAPORAN LOGBOOK MAGANG MENGGUNAKAN ALGORITMA NAÏVE BAYES

Evaluasi kinerja mahasiswa magang di instansi pemerintahan, seperti Badan Pusat Statistik (BPS) Kota Surakarta, sering kali dihadapkan pada tantangan subjektivitas dan inefisiensi waktu akibat banyaknya data teks laporan harian yang harus diperiksa secara manual. Oleh karena itu, penelitian ini memberikan solusi untuk mengotomatisasi penilaian kualitas aktivitas magang dengan menerapkan teknik Text Mining menggunakan algoritma Multinomial Naive Bayes.
Batasan masalah pada penelitian ini difokuskan pada pengolahan teks berbahasa Indonesia yang bersumber dari 2.134 data logbook mahasiswa, dengan target klasifikasi menjadi tiga kategori: Tinggi, Sedang, dan Rendah. Proses pengolahan data mengadopsi metode Knowledge Discovery in Databases (KDD), yang meliputi tahapan preprocessing dengan library Sastrawi, pembobotan kata TF-IDF yang dikombinasikan dengan N-Gram (1,2), serta klasifikasi menggunakan optimasi Laplace Smoothing (alpha = 0,1).
Hasil pengujian pada 427 data uji menggunakan Confusion Matrix menunjukkan bahwa model yang dibangun berhasil mencapai tingkat akurasi sebesar 90,16%. Kesimpulan dari penelitian ini adalah implementasi algoritma Multinomial Naive Bayes dalam ranah Text Mining terbukti sangat efektif untuk memecahkan masalah inefisiensi dan subjektivitas penilaian. Model ini mampu menghasilkan klasifikasi evaluasi kinerja yang objektif, konsisten, dan efisien guna membantu pembimbing lapangan di BPS Kota Surakarta.

Kata Kunci : Logbook, Text Mining, Multinomial Naive Bayes, TF-IDF, KDD.