STMIKJAYAKARTASTMIKJAYAKARTA

Journal of Information System, Informatics and ComputingJournal of Information System, Informatics and Computing

Penulisan tugas akhir ini bertujuan untuk membangun aplikasi berbasis web untuk melakukan sentiment analysis terhadap aspirasi karier Generasi Z, menggunakan framework Flask dan algoritma Naive Bayes. Penelitian ini berfokus pada analisis dataset “GenZ - Career Aspirations Data yang mencakup tanggapan terkait pengaruh karier, rencana pendidikan, dan loyalitas terhadap pemberi kerja. Data yang diperoleh diolah melalui tahapan preprocessing, tokenisasi, penghapusan stopwords, dan representasi TF-IDF untuk mempersiapkan data bagi model pembelajaran mesin. Aplikasi yang dirancang berfungsi untuk menganalisis sentimen teks secara real-time dengan tingkat akurasi tinggi. Metode pengembangan sistem yang digunakan adalah metode Waterfall, meliputi analisis kebutuhan, perancangan, implementasi, pengujian, dan evaluasi. Hasil akhir dari tugas akhir ini adalah prototipe aplikasi berbasis web yang mampu memprediksi sentimen positif dan negatif dari input teks, dengan akurasi model sebesar 91,2% setelah evaluasi menggunakan dataset uji. Dari pengujian yang dilakukan, aplikasi ini berhasil memenuhi kebutuhan pengguna untuk menganalisis sentimen aspirasi karier secara efisien, dengan antarmuka yang sederhana dan kemudahan penggunaan. Prototipe ini diharapkan dapat menjadi dasar bagi pengembangan aplikasi analisis sentimen yang lebih kompleks di masa depan.

Penelitian ini berhasil mengembangkan model sentiment analysis berbasis Naive Bayes dan mengintegrasikannya ke dalam prototipe aplikasi berbasis Flask untuk menganalisis data dari dataset “GenZ - Career Aspirations Data.Tahapan penelitian meliputi pengumpulan data, preprocessing teks, pembangunan model, evaluasi performa, dan pengujian prototipe.Model Naive Bayes menunjukkan akurasi 100% dengan precision, recall, dan F1-score sempurna, meski kemungkinan disebabkan distribusi data uji yang tidak seimbang.Evaluasi tambahan diperlukan untuk mengukur kemampuan generalisasi model.Aplikasi Flask yang dibangun memiliki antarmuka sederhana dan mampu menganalisis sentimen secara real-time dengan waktu respon 0.

Berdasarkan penelitian ini, terdapat beberapa saran penelitian lanjutan yang dapat dikembangkan. Pertama, perlu dilakukan eksplorasi model-model deep learning seperti BERT atau GPT untuk meningkatkan akurasi analisis sentimen, terutama dalam menangani teks yang mengandung sarkasme atau bahasa informal. Kedua, pengembangan aplikasi dapat diperluas untuk mendukung analisis sentimen multibahasa, sehingga dapat mengakomodasi berbagai bahasa yang digunakan oleh Generasi Z. Ketiga, penelitian dapat difokuskan pada analisis sentimen yang lebih mendalam, seperti mengidentifikasi emosi-emosi spesifik yang terkandung dalam teks, misalnya kebahagiaan, kekecewaan, atau ketakutan, untuk memberikan wawasan yang lebih kaya tentang aspirasi karier Generasi Z.

  1. #bangun aplikasi#bangun aplikasi
  2. #rancang bangun aplikasi#rancang bangun aplikasi
Read online
File size1.12 MB
Pages15
Short Linkhttps://juris.id/p-2FY
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test