PREDIKSI KEPUASAN MAHASISWA TERHADAP PEMBELAJARAN UNTUK PENINGKATAN LAYANAN AKADEMIK DI UNIVERSITAS KATOLIK SANTO THOMAS MENGGUNAKAN ALGORITMA NAIVE BAYES

Abstrak

Kepuasan mahasiswa merupakan salah satu indikator penting dalam mengevaluasi kualitas pembelajaran di perguruan tinggi. Pengolahan data evaluasi kinerja dosen di Universitas Katolik Santo Thomas selama ini masih dilakukan secara deskriptif sehingga belum mampu memberikan prediksi terhadap tingkat kepuasan mahasiswa. Penelitian ini bertujuan membangun model klasifikasi tingkat kepuasan mahasiswa menggunakan algoritma Naive Bayes berdasarkan data saran atau komentar mahasiswa yang diperoleh dari Lembaga Penjaminan Mutu (LPM). Tahapan penelitian meliputi preprocessing teks berupa case folding, filtering, tokenizing, dan stemming, kemudian dilakukan pembobotan menggunakan TF-IDF, penyeimbangan data dengan SMOTE, serta proses klasifikasi menggunakan algoritma Multinomial Naive Bayes. Dataset dibagi menjadi 80% data pelatihan dan 20% data pengujian. Hasil pengujian menunjukkan bahwa model yang dibangun memperoleh nilai akurasi sebesar 95,0%, precision 92,98%, recall 100,0%, dan F1-score 96,46%. Model selanjutnya diimplementasikan dalam aplikasi berbasis web yang mampu mengklasifikasikan komentar mahasiswa, menampilkan hasil prediksi, grafik, serta laporan dalam format PDF. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes dapat diterapkan dengan baik untuk mendukung evaluasi kepuasan mahasiswa terhadap kinerja dosen dan membantu pengambilan keputusan dalam upaya peningkatan kualitas layanan akademik.