Publisher

UNSURYAUNSURYA

Journal JSI (Jurnal sistem Informasi) Universitas SuryadarmaJSI (Jurnal sistem Informasi) Universitas Suryadarma Abstract

Evaluasi kepuasan mahasiswa menjadi elemen penting dalam meningkatkan kualitas layanan perpustakaan, karena memungkinkan identifikasi area yang memerlukan perbaikan berdasarkan umpan balik pengguna. Data dikumpulkan melalui kuesioner yang disebarkan kepada mahasiswa, mencakup berbagai aspek layanan perpustakaan seperti koleksi buku, fasilitas, aksesibilitas, dan layanan petugas. Penelitian ini bertujuan untuk mengevaluasi kepuasan mahasiswa terhadap layanan perpustakaan pada Perpustakaan Kampus Universitas Dirgantara Marsekal Suryadarma dengan menggunakan algoritma Naïve Bayes. Model Naïve Bayes dipilih karena kesederhanaannya dan kemampuannya dalam memberikan hasil yang akurat meskipun dengan jumlah data yang relatif sedikit. Proses pengembangan aplikasi meliputi beberapa tahapan, yaitu pengumpulan data, prapemrosesan data, pelatihan model, evaluasi model, dan implementasi dalam bentuk aplikasi berbasis web. Hasil pengujian menunjukkan bahwa model Naive Bayes memiliki performa yang memuaskan dengan tingkat akurasi yang tinggi sebesar 91,67% dalam mengklasifikasikan tingkat kepuasan mahasiswa dengan variabel penilaian mencakup prasarana fasilitas, petugas, reliability dengan keputusan puas, cukup puas dan tidak puas. Aplikasi yang dihasilkan memungkinkan pihak perpustakaan untuk melakukan analisis data secara real-time dan mendapatkan wawasan yang berharga mengenai persepsi mahasiswa terhadap layanan yang diberikan. Dengan demikian, perpustakaan dapat merancang strategi peningkatan layanan yang lebih efektif berdasarkan data yang akurat.

Conclusion

Aplikasi ini dibuat bertujuan untuk membantu pihak perpustakaan untuk melakukan analisis data secara real-time dan mendapatkan wawasan yang berharga mengenai persepsi mahasiswa terhadap layanan yang diberikan.Dengan demikian, perpustakaan dapat merancang strategi peningkatan layanan yang lebih efektif berdasarkan data yang akurat.Penggunaan model Naïve Bayes untuk memberi penilaian terhadap evaluasi layanan kepuasan mahasiswa Perpustakaan pada kampus Universitas Dirgantara Marsekal Suryadarma memiliki tingkat akurasi yang baik yaitu sebesar 91.67%, menunjukkan kemampuan model dalam memprediksi sebagian besar kasus dari data testing.Implementasi program yang sudah dibuat dapat memodelkan algoritma Naïve Bayes dengan baik dan menghasilkan data accuracy yang sesuai dengan perhitungan pada aplikasi RapidMiner.

Future Research

Berdasarkan hasil penelitian ini, terdapat beberapa saran penelitian lanjutan yang dapat dikembangkan. Pertama, penelitian selanjutnya dapat mengeksplorasi penggunaan algoritma machine learning lain, seperti Support Vector Machine (SVM) atau Random Forest, untuk membandingkan performa dan akurasi dalam memprediksi kepuasan mahasiswa. Hal ini penting untuk mengetahui apakah ada algoritma yang lebih optimal dalam menangani data kepuasan mahasiswa dengan karakteristik yang berbeda. Kedua, penelitian dapat memperluas cakupan variabel penilaian yang digunakan dalam evaluasi kepuasan, misalnya dengan menambahkan variabel terkait kualitas koleksi buku, ketersediaan sumber daya digital, atau kualitas layanan referensi. Dengan cakupan variabel yang lebih luas, hasil evaluasi akan lebih komprehensif dan dapat memberikan informasi yang lebih detail untuk perbaikan layanan perpustakaan. Ketiga, penelitian dapat mengembangkan model prediktif yang tidak hanya memprediksi tingkat kepuasan, tetapi juga mengidentifikasi faktor-faktor kunci yang paling berpengaruh terhadap kepuasan mahasiswa. Informasi ini dapat digunakan oleh pihak perpustakaan untuk memprioritaskan upaya peningkatan layanan pada area-area yang paling kritis. Dengan menggabungkan ketiga saran ini, diharapkan dapat memberikan kontribusi yang signifikan dalam meningkatkan kualitas layanan perpustakaan dan kepuasan mahasiswa.

References

1. Penerapan Machine Learning Untuk Prediksi Masa Studi Mahasiswa di Perguruan Tinggi X | Electrician :... doi.org/10.23960/elc.v17n3.2529Penerapan Machine Learning Untuk Prediksi Masa Studi Mahasiswa di Perguruan Tinggi X Electrician doi 10 23960 elc v17n3 2529
2. PERANCANGAN APLIKASI KASIR PADA KEDAI KOPI BERBASIS WEB MENGGUNAKAN MODEL WATERFALL | JSI (Jurnal Sistem... doi.org/10.35968/jsi.v11i1.1140PERANCANGAN APLIKASI KASIR PADA KEDAI KOPI BERBASIS WEB MENGGUNAKAN MODEL WATERFALL JSI Jurnal Sistem doi 10 35968 jsi v11i1 1140

Metadata

File size	931.21 KB
Pages	11
DMCA	Report