Pengkategorian Data Angket Mahasiswa dengan Mutual Information dan K-Nearest Neighbor

Abstract

Salah satu cara untuk memajukan kualitas Perguruan Tinggi yaitu dengan mengevaluasi data angket yang diisi oleh Mahasiswa. Angket biasanya berbentuk pernyataan dalam bentuk uraian yang dapat diisi oleh Mahasiswa terkait pelayanan maupun fasilitas. Pihak penganggung jawab data angket melakukan pengkategorian agar memudahkan dalam evaluasi. Pengkategorian dibedakan menjadi 3 (tiga) yaitu perpustakaan, laboratorium dan fasilitas. Pengkategorian data angket dapat dilakukan secara otomatis yaitu dengan menggunakan teknik text mining. Teknik pengklasifikasian sangat berperan penting dalam menentukan kategori yang cocok terhadap isi pernyataan angket. Tahapan pengklasifikasian teks dimulai dari melakukan pre-processing dokumen, perhitungan nilai pembobotan, perhitungan nilai cosine similarity, dan perhitungan akurasi. Pada penelitian ini, nilai bobot dihitung dengan menggunakan Mutual Information sebagai pengganti TF-IDF, cosine similarity dengan menggunakan metode klasifikasi k-Nearest Neighbor (k-NN), untuk nilai akurasi digunakan confusion matrix. Hasil akhir dari penelitian ini adalah memperoleh nilai akurasi kecocokan sebesar 67% untuk k=3 dan 78% untuk k=5.