Penelitian ini bertujuan untuk menganalisis sentimen mahasiswa
Universitas Informatika dan Bisnis Indonesia (UNIBI) terhadap penggunaan
aplikasi EL-UNIBI dengan menggunakan model machine learning. Analisis
sentimen dilakukan untuk mengidentifikasi opini atau perasaan mahasiswa apakah
bersifat positif atau negatif. Metode yang digunakan dalam penelitian ini
melibatkan algoritma klasifikasi seperti xgboost, Random Forest, C4.5, dan
Support Vector Machine (SVM). Data yang digunakan terdiri dari ulasan dan
umpan balik pengguna aplikasi EL-UNIBI, yang kemudian diolah melalui tahapan
preprocessing, termasuk pembersihan data, tokenisasi, normalisasi, penghapusan
kata-kata umum (stopword), dan stemming. Data tersebut kemudian dibagi menjadi
data pelatihan dan data pengujian dengan berbagai rasio untuk memastikan
keakuratan model.Hasil penelitian menunjukkan bahwa setiap algoritma memiliki
kinerja yang berbeda dalam mengklasifikasikan sentimen pengguna. Algoritma
C4.5 berhasil menghasilkan pohon keputusan yang membantu dalam
mempermudah penyelesaian masalah dalam klasifikasi sentimen. Evaluasi model
dilakukan dengan menggunakan matriks kebingungan (confusion matrix) untuk
menentukan akurasi, presisi, dan recall dari masing-masing algoritma. Algoritma
C4.5 menunjukkan performa terbaik dengan akurasi sebesar 85%, presisi 82%, dan
recall 84%.Penelitian ini diharapkan dapat memberikan kontribusi dalam
meningkatkan pemahaman tentang persepsi pengguna terhadap aplikasi EL-UNIBI.
Selain itu, hasil penelitian ini dapat digunakan oleh pengembang aplikasi untuk
meningkatkan kualitas layanan dan pengalaman pengguna. Studi ini juga
memberikan wawasan baru mengenai penerapan model machine learning dalam
analisis sentimen pada aplikasi akademik.
Kata Kunci: Analisis Sentimen, Machine Learning, EL-UNIBI, xgboost, Random
Forest, C4.5, SVM, Confusion Matrix