Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPada Perguruan Tinggi Swasta, proses service atau jasa untuk mengubah input menjadi output dapat dijabarkan didalam kegiatan-kegiatan rutinnya yaitu melaksanakan tridarma perguruan tinggi, meliputi :-Pendidikan & Pengajaran-Penelitian, dan-Pengabdian kepada Masyarakat Untuk menyelenggarakan kegiatan-kegiatan tersebut diperlukan perencanaan strategi yang baik dengan memperhatikan variabel kinerja, baik itu yang berkaitan dengan faktor internal maupun faktor eksternal organisasi. Tujuan penelitian ini adalah untuk mendapatkan karakteristik dari variabel kinerja yang dominan dalam kaitannya dengan strategi pengembangan Perguruan Tinggi Swasta. Output yang diharapkan dari hasil penelitian merupakan rangking prioritas faktor kinerja yang paling berpengaruh dalam strategi pengembangan Perguruan Tinggi Swasta - Institut Teknologi Indonesia. Pada penelitian ini, dilakukan perancangan strategi pengembangan dengan metode analisa space matriks dan analisa SWOT untuk menghasilkan grand strategy dimana posisi strategy PTS-ITI terletak pada posisi strengths opportunities (aggressive strategy). Pengolahan data menggunakan analisa faktor untuk mengidentifikasi variabel kinerja yang dominan, dimana terdapat 26 variabel yang secara prioritas menjadi perhatian dalam penerapan strategi agar pencapaian tujuan organisasi yang telah ditetapkan dapat lebih efektif dan berhasil dengan baik. "

"ABSTRAKSkripsi ini membahas faktor-faktor yang mempengaruhi capaian pengukuran kinerja SAKIP Pemerintah Provinsi DKI Jakarta. Meski nilai SAKIP Pemerintah Provinsi DKI Jakarta dari tahun 2015 hingga 2018 mengalami kenaikan, kenaikannya bersifat perlahan dan tidak pernah mencapai target. Penelitian ini menggunakan teori faktor-faktor yang mempengaruhi pengukuran kinerja terdiri dari kerangka kerja rasional dan politik. Penelitian ini menggunakan pendekatan post-positivist dengan tujuan deskriptif dan menggunakan teknik studi literatur dan wawancara. Hasil penelitian menunjukkan bahwa dimensi kerangka kerja rasional mempengaruhi pengukuran kinerja SAKIP DKI Jakarta, sedangkan dimensi politik tidak terlalu mempengaruhi pengukuran kinerja SAKIP DKI Jakarta. Faktor sumber daya (resources) adalah faktor yang paling mempengaruhi pengukuran kinerja. Hal ini diperoleh dari analisis resources, information, goal orientation, external requirement, internal interest group, external interest group, dan risk taking and attitude. Dari ketujuh faktor tersebut, resources adalah faktor yang paling berpengaruh, hal ini disebabkan oleh kurangnya komitmen dan pemahaman pegawai Pemerintah Provinsi DKI Jakarta tentang SAKIP."

"Turbin gas adalah suatu alat yang memanfaatkan gas sebagai fluida untuk memutar turbin dengan pembakaran internal sehingga mampu memutar generator untuk menghasilkan listrik. Turbin gas memiliki tingkat bahaya yang besar, sehingga perlu dilakukan penelitian untuk menganalisis seberapa besar potensi kegagalan komponen-komponennya. Jika sebuah mesin atau peralatan mengalami kerusakan, maka seluruh fungsi akan terhenti. Oleh karena itu, aktivitas preventive maintenace dibutuhkan untuk mencegah kerusakan dan meminimasi downtime. Tahapan penelitian ini dimulai dengan menentukan komponen kritis menggunakan diagram pareto. Kemudian memvisualisasikan data-data yang didapat. Lalu, menentukan nilai parameter shape (β), parameter scale (η), reabilitas, MTTF (Mean Time to Failure), dari komponen-komponen kritis. Terakhir merekomendasikan jadwal preventive maintenance. Dalam penelitian ini pengolahan dan analisis data dilakukan melalui Big Data Analytics menggunakan R Software diharapkan kedepannya dapat dikembangkan menjadi sebuat aplikasi yang terintegrasi untuk mengimpor dan menganalisis data historis (data base), memudahkan untuk memprediksi kegagalan secara real time, memprediksi kegagalan sebelum muncul, dan dapat mengawasi equipment secara run on live. Berdasarkan hasil pengolahan data yang telah dilakukan, ditemukan bahwa ada 8 komponen kritis, Penentuan keandalan yang dilakukan dengan bantuan R software dengan menggunakan distribusi weibull menunjukkan saat 43.830 jam operasional atau 5 tahun, komponen yang memiliki keandalan paling rendah adalah Actuator dengan nilai sebesar 0,799. Keandalan sistem pada saat 43.830 jam atau 5 tahun adalah 0,866, nilai ini digolongkan sebagai kuat. Hasil dari evaluasi nilai parameter shape (β), menunjukan 7 dari 8 komponen di kategorikan IFR (Increasing Failure Rate) kegagalan ini diakibatkan oleh beberapa faktor seperti penuaan, korosi, gesekan, sehingga di sebut fase pengausan (wearout), dan solusi yang tepat untuk membuat rekomendasi jadwal preventive maintenance dengan T=80%.

---

Gas turbine is one tool that uses gas as a fluid to turn turbines with internal combustion so that it is able to turn generators to produce electricity. Gas turbines have a high level of danger, so research needs to be done to increase the high potential level of its components. If the machine is damaged, all functions will stop. Therefore, preventive activities are needed to prevent damage and minimize downtime. The stages of this research began by determining the critical components using pareto diagrams. Then visualize the data obtained. Then, determine the value of the form parameter (β), parameter scale (η), reliability, MTTF (Mean Time to Failure), from the critical components. Last scheduled preventative maintenance schedule. In this research, processing and analyzing data done through Big Data Analytics using R Software is expected to be developed in the future into an integrated application to facilitate and analyze historical data (databases), facilitate to predict in real time, predict changes before they appear, and Can keep running equipment directly. Based on the results of data processing that has been done, found that there are 8 critical components, Determination which is done with the help of R software using Weibull distribution shows when 43,830 operational hours or 5 years, the component that adds the lowest is the Actuator with a value of 0.799. The current system value of 43,830 hours or 5 years is 0.866, this value is classified as strong. The results of the evaluation of the form parameter values (β), showed 7 out of 8 components categorized as IFR (Increased Failure Rate) this improvement was caused by several factors such as aging, corrosion, friction, so it was called the wearout phase, and the solution needed for make a preventive maintenance schedule recommendation with T = 80%."

"Dalam melaksanakan tugasnya sebagai penyelenggara pendidikan akademik, profesi, spesialis dan vokasi dalam sejumlah disiplin ilmu pengetahuan, teknologi, budaya, dan seni, Universitas Indonesia melakukan berbagai proses dan kegiatan akademik yang membutuhkan pengambilan keputusan. Saat ini proses analisa hanya dapat dilakukan berdasarkan data yang telah ada pada kurun waktu tertentu. Hal ini akan membatasi proses analisa tersebut. Dalam pengembangannya proses pengambilan keputusan akan lebih optimal jika didukung oleh sistem yang mampu menemukan pola atau hubungan dari kumpulan data yang ada. Kemudian dari pola atau hubungan yang didapatkan tersebut dilakukan prediksi untuk masa yang akan datang. Disinilah peran data mining diperlukan sebagai salah satu metode Knowledge Discovery in Databases (KDD), sehingga proses analisa untuk kegiatan akademik dapat lebih dioptimalkan. Permasalahan yang ada saat ini adalah tidak adanya data mining database dan aplikasi data mining yang mampu melakukan proses pencarian knowledge dalam basis data yang kemudian mampu mendukung proses analisa dan pengambilan keputusan untuk kegiatan akademik.Tugas akhir dengan topik 'Perancangan Aplikasi Data Mining Untuk Kegiatan Akademik Di Universitas Indonesia' untuk ruang lingkup fakultas adalah salah satu solusi untuk mengatasi permasalahan di atas. Tugas akhir ini bertujuan untuk melakukan kajian analisa perancangan data mining database dan aplikasi data mining untuk kegiatan akademik di Universitas Indonesia.Metodologi yang digunakan dalam tugas akhir ini dimulai dari pembelajaran terhadap teori-teori yang relevan dengan basis data, data warehouse, data mining, dan Knowledge Discovery in Databases (KDD). Kemudian dilanjutkan dengan melakukan kajian analisa terhadap permasalahan, analisa basis data untuk data mining, analisa data mining berupa kajian tahapan dan persiapan yang harus dilakukan, serta pemilihan studi kasus evaluasi keberhasilan studi mahasiswa. Setelah itu baru diambil kesimpulan yang sesuai dengan hasil analisa. Hasil yang diperoleh dari tugas akhir ini adalah bahwa penerapan konsep data mining pada ruang lingkup fakultas di Universitas Indonesia dapat membantu mengoptimalkan proses pengambilan keputusan untuk kegiatan akademik.Hasil analisa yang dilakukan meliputi analisa permasalahan, analisa basis data untuk kebutuhan data mining, dan analisa data mining. Untuk mengembangkan aplikasi data mining dibutuhkan data warehouse atau basis data tersendiri yang memenuhi syarat dan mampu menyediakan data yang relevan dengan kebutuhan data mining. Hasil lain yang ditemukan adalah bahwa penggunaan aplikasi data mining untuk ruang lingkup akademik memerlukan aplikasi yang harus di-customized terlebih dahulu. Sedangkan hasil uji coba dengan menggunakan aplikasi statistik, yaitu SPSS menunjukkan bahwa algoritma regresi dapat digunakan untuk memprediksi IPK mahasiswa pada semester yang akan datang. Saran yang dapat diberikan untuk pengembangan selanjutnya adalah pengembangan analisa yang lebih spesifik yang diikuti dengan uji coba dengan menggunakan aplikasi data mining dan implementasi. Selain itu memperluas ruang lingkup proses analisa dan pengambilan keputusan yang tidak terbatas hanya pada evaluasi keberhasilan studi, namun dikaitkan dengan hal lain yang masih relevan seperti kaitan evaluasi keberhasilan studi dengan alokasi jadwal kuliah, dan sebagainya. Saran yang terakhir adalah mengembangkan data warehouse untuk ruang lingkup universitas, sehingga penerapan data mining tidak hanya terbatas pada kegiatan akademik."

"Menghadapi persaingan antar bank yang sangat tinggi dan adanya keputusan pemerintah yang semakin ketat mengenai keberadaan bank khususnya bank berskala nasional saat ini, menuntut setiap bank mampu unggul dalam bersaing atau minimal mampu bertahan. Kegiatan penghimpunan dana pihak ketiga (funding) merupakan satu dari tiga kegiatan utama perbankan. Semakin besar dana yang dapat terhimpun menunjukkan baiknya kinerja bank tersebut.Besaran hasil penghimpunan dana pihak ketiga ini menjadikan indikator tingkat kepercayaan masyarakat/nasabah terhadap bank. Menempatkan kepercayaan dan tingkat loyalitas nasabah sangat dibutuhkan oleh pihak bank. Teknologi On-Line Analytical Processing (OLAP) dan data mining diyakini mampu mencari pengetahuan untuk melakukan identifikasi tingkat loyalitas nasabah terhadap produk funding perbankan.Berdasarkan hasil penelitian diperoleh pengetahuan bahwa produk funding tabungan x rupiah berpotensi cukup baik, dan nasabah yang memiliki tingkat loyalitas tinggi adalah nasabah yang mempunyai rata-rata saldo bulanan dengan membentuk pola yang tetap stabil dalam waktu tujuh sampai sepuluh bulan. Tersedianya kebutuhan informasi dan data ini, mendasari dalam mendukung sistem pengambil kebijakan baik penyusunan perencanaan dan keputusan strategi perbankan. Sehingga pihak bank mampu menentukan strategi perbankan khususnya funding dalam persaingan ketat yang dihadapi.

---

Facing a very high competition between banks and with the government tight regulations on national bank existences, it demands all the existing bank to be able to strive in the competition or in the minimum it has to be able to survive. One of the three main activities in banking includes funding. The more funds we could gather will also indicate a good performance of the bank.The result from this funding will become the level indicator for customer towards the bank. The placement of customer trust and loyalty is greatly needed by the bank. On-Line Analytical Processing (OLAP) and data mining technology is believed to be able to identify the customer loyalty level towards the bank`s funding product.Based on the research conducted, we had gather information that funding product for X rupiah savings has good potential, and the highest loyalty customers are those customers who have a stable monthly average balance in the period of 7 to 10 months. The availability of these data and information will become the foundation in supporting the system in making decision, with this; the bank will be able to choose a suitable banking strategy especially in funding."

"Untuk meningkatkan efisisensi dan efektivitas penerimaan pajak yang berdasarkan self assessment system, data dan dokumen perpajakan menjadi sangat penting karena data ini digunakan Untuk menguji kebenaran, kelengkapan dan kejelasan kewajiban perpajakan para wajib pajak (WP). Ketidakbenaran, ketidaklengkapan dan ketidakjelasan data/dokumen akan menyebabkan penerimaan pajak menjadi tidak efesien dan efektif.Setelah setengah dekade reformasi jilid I itu berjalan, sejumlah kelemahan/kendala masih dirasakan oleh Ditjen Pajak. Kelemahan/kendala disebabkan karena administrasi perpajakan yang belum sempurna, selain itu belum tersedianya sistem pengolahan data dan dokumen perpajakan yang handal. Untuk mendukung penyempurnaan lanjutan administrasi perpajakan tersebut, pada awal tahun 2007 mulai dilakukan pembangunan Pusat Pengolahan Data dan Dokumen Perpajakan (PPDDP). Fungsi dari PPDDP adalah Untuk mengumpulkan, menerima, memproses, merekam, dan menyimpan dokumen fisik SPT yang berasal dari Kantor Pelayanan Pajak (KPP).Oleh karena ini tujuan utama dari penilitian (tesis) ini adalah : Untuk mengkaji efektivitas biaya pengembangan sistem pengolahan data dan dokumen perpajakan di KPDDP Makasar secara analisis finansial (keuangan). Ada beberapa model yang diusulkan dalam pengembangan tersebut, yatu: Centralized scan and capture, Federated scan and centralized capture, distributed scan and centralized capture, dan distributed scan and federated capture.

---

To improve the effectiveness and efficiency of the tax revenue based on the self assessment system, tax documents and data becomes very important because this data is used to test the correctness, completeness and clarity of the taxpayer's tax liability (WP). Untruth, incompleteness and vagueness of data / document will cause tax receipts to be inefficient and ineffective.

After half a decade of reforms volume I walked, a number of weaknesses / obstacles still being felt by the Directorate General of Taxes. Weaknesses / constraints occur because of: taxation administration is not perfect, but it is the unavailability of data processing systems and tax documents that handal. To support the continued improvement of the tax administration, in early 2007 started the construction of the Central Data Processing and Document Taxation (PPDDP). The function of PPDDP is to collect, receive, process, record, and store physical documents SPT from the Tax Office (LTO).

Therefore the main purpose of this study (thesis) are: to assess the cost effectiveness of data processing and tax documents systems development in KPDDP Napier in financial analysis. There are several models proposed in the development: Centralized scanning and capture, Federated scan and centralized capture, distributed capture scanning and centralized, federated and distributed scanning and capture."

"ABSTRAKMasalah biodegradasi pencemaran air tanah dapat dimodelkan oleh suatu persamaan diferensial parsial (PDP). Penggunaan metode garis dalam penyelesaian PDP tersebut, melibatkan sistem persamaan diferensial biasa (PDB) yang umumnya bersifat kaku dan berdimensi besar. Sistem PDB tersebut diselesaikan dengan menggunakan paket VODPK. Selama proses integrasi digunakan mekanisme pengkisian adaftif. Meskipun dewasa ini perkembangan komputer telah menghadirkan komputer yang cepat dan berkapasitas besar namun dirasa masih kurang memadai. Sehingga salah satu alternatif untuk menyelesaikan suatu masalah dengan ukuran data yang besar adalah dengan menggunakan metode paralel. Paralelisasi paket VODPK yang dilakukan dalam penelitian ini adalah dengan membagi data (dekomposisi domain). Dengan memperhatikan jumlah komunikasi yang akan terjadi, kompleksitas, dan waktu komputasi yang dibutuhkan pada setiap bagian program, serta kemungkinan timbulnya waktu tunggu, maka paket VODPK ini diparalelkan secara total. Model pemrograman yang digunakan adalah model SPMD.Namun hasil komputasi yang diperoleh sangat kurang memuaskan, artinya speedup dan efisiensi yang didapatkan sangat kurang memadai, bahkan semakin banyak prosesor yang digunakan semakin kecil speedup dan efisiensinya."

"ABSTRAKSebagai negara kepulauan, Indonesia memiliki beragam destinasi wisata yang telah dikenal dimancanegara. Taman Nasional Kabupaten Wakatobi merupakan salah satu destinasi wisata yang masuk sebagai 10 destinasi wisata prioritas yang ada di Indonesia. Berdasarkan data dan hasil wawancara yang dilakukan, informasi yang ada pada situs www.wakatobitourism.com belum memberikan dampak yang signifikan terhadap peningkatan kunjungan wisatawan. Tantangan terbesar sebagai salah satu dari 10 destinasi wisata prioritas ialah Taman Nasional Kabupaten Wakatobi pada tahun 2019 jumlah kunjungan wisatawan ditargetkan mencapai 100.000 kunjungan. Hal ini untuk menunjang target kunjungan wisata Nasional yaitu 20 juta kunjungan wisatawan mancanegara dan 260 juta wisatawan nusantara. Dengan peningkatan kunjungan yang hanya 1000 ndash; 4000 pertahunnya, untuk mencapai 100.000 kunjungan menjadi hal yang sulit jika tidak ditunjang dengan upaya ndash; upaya strategis dengan memanfaatkan sumber daya teknologi informasi yang ada saat ini. Untuk menjelaskan permasalahan tersebut peneliti telah melakukan studi literatur terhadap beberapa jurnal terkait kualitas informasi destinasi wisata. Menurut Sung-Eun Kima, Kyung Young Leeb, Soo Il Shinc, Sung-Byung Yang 2017 , informasi yang berkualitas tentunya akan membantu wisatawan dalam hal pengambilan keputusan untuk berkunjung, dengan kata lain kualitas informasi yang baik akan memberikan dampak terhadap minat berkunjung wisatawan. Penjelasan terkait kualitas informasi destinasi wisata dijelaskan pula oleh Selira Kotoua dan Mustafa Ilkan 2017 , pada penelitiannya dijelaskan bahwa, wisatawan umumnya akan mencari informasi terkait produk maupun jasa yang ditawarkan oleh destinasi wisata yang akan ia kunjungi melalui internet, sehingga kualitas informasi yang disajikan akan sangat membantu wisatawan dalam mencari produk-produk pariwisata. Berdasarkan masalah dan penjelasan pada studi literatur yang diperoleh, maka perlu untuk melakukan analisis terkait pengaruh kualitas informasi destinasi wisata di situs www.wakatobitourism.com terhadap minat berkunjung wisatawan. Merujuk pada pembahasan paragraf sebelumnya, hasil penelitian ini telah membuktikan keterkaitan antara komponen kualitas informasi yang secara langsung berdampak terhadap minat berkunjung wisatawan yang dijelaskan dalam bentuk destination image model. Komponen tersebut antara lain contextual quality yang secara signifikan mempengaruhi affective image, representational quality berpengaruh secara signifikan terhadap cognative image, cognative image berpengaruh signifikan terhadap affective image, dan affective image berpengaruh secara signifikan terhadap conative image.

---

ABSTRACTAs an archipelagic country, Indonesia has various tourist destinations that have been known abroad. Wakatobi District National Park is one of the tourist destinations that enter as 10 priority tourist destinations in Indonesia.Based on data and interview results conducted, the information available on the site www.wakatobitourism.com has not had a significant impact on the increase in tourist visits. The biggest challenge as one of 10 priority tourist destinations is Wakatobi District National Park in 2019 the number of tourist visits is targeted to reach 100,000 visits. This is to support the target of national tourist visit is 20 million foreign tourists visit and 260 million domestic tourists. With an increase in traffic of only 1000 4000 per year, to reach 100,000 visits becomes difficult if not supported by strategic efforts by utilizing existing information technology resources. To explain the problem, researchers have conducted literature studies on several journals related to the quality of tourist destination information. According to Sung Eun Kima, Kyung Young Leeb, Soo Il Shinc, Sung Byung Yang 2017 , quality information will certainly help tourists in terms of decision making to visit, in other words the quality of good information will have an impact on visiting tourists. Explanation related to the quality of tourist destination information is also explained by Selira Kotoua and Mustafa Ilkan 2017 , explained that, tourists will generally find information related products or services offered by tourist destinations that he will visit via the internet, so the quality of information presented will very helpful for tourists in looking for tourism products. Based on the problems and explanations in the literature study obtained, it is necessary to conduct an analysis related to the influence of the quality of tourist destination information on the site www.wakatobitourism.com to the interests of tourists visiting. Referring to the discussion of the previous paragraph, the results of this study have proved the interrelationship between the components of information quality that directly impact on tourist visiting interests are described in the form of destination image model. These components include contextual quality that significantly affects the image, representational quality significantly influence the cognative image, cognative image has significant effect on the affective image, and affective image significantly influence the conative image."

"Universitas XYZ merupakan salah satu PTS dalam bentuk universitas yang berlokasi di Tangerang, yang memiliki kewajiban untuk menjamin dan memberikan pendidikan bermutu kepada mahasiswa selaku salah satu pemangku kepentingan yang memiliki dampak secara langsung pada mutu sebuah universitas. LP2MP bertugas untuk menyelenggarakan pengukuran dan pelaksanaan survei setiap semester dalam bentuk survei umpan balik. Hasil survei tersebut dapat dijadikan sebagai pedoman untuk perbaikan yang berkesinambungan untuk penyelenggaraan penjaminan mutu Dikti dan pengelolaan Universitas XYZ. Namun, pengolahan dan pengukuran data survei secara konvensional tidak cukup untuk mengeksplorasi informasi tersembunyi dari survei. EDM digunakan pada penelitian ini untuk mengolah dan menganalisa data dari Universitas XYZ berupa survei bagian Open Ended Question (OEQ) yang terdiri dari Student Feedback Questionaire (SFQ), Facility Satisfaction Questionaire (FSQ), dan Graduate Feedback Questionaire (GFQ).Tujuan dari penelitian ini adalah untuk mendukung pengambilan keputusan dalam mengambil tindakan proaktif terhadap perbaikan mutu Universitas XYZ. Penelitian ini melakukan klasifikasi label aspek, sentimen analisis, dan tren topik survei SFQ, FSQ, dan GFQ pada bagian OEQ. Klasifikasi label aspek Multi Class survei SFQ memilih model klasifikasi terbaik dengan membandingkan hasil evaluasi accuration, precision, recall, dan F1-Score terhadap setiap kombinasi fitur dan perbandingan empat algoritma klasifikasi yaitu Decision Tree (DT), Naïve Bayes (NB), K-Nearest Neighbor (KNN), dan Support Vector Machine (SVM). Klasfikasi label aspek multi label survei FSQ dan GFQ memilih model klasifikasi terbaik dengan membandingkan hasil evaluasi tiga jenis library multilabel dari SciKit-Learn, yaitu Binary Relevance (BL), Label Power Set (LPS), dan Classifier Chain (CC) terhadap setiap kombinasi fitur dan empat algoritma klasifikasi tersebut.Hasil dari penelitian ini adalah teknik klasifikasi menggunakan kombinasi fitur TFIDF, Unigram, dan Bigram dengan algoritma SVM merupakan model klasifikasi terbaik untuk pelabelan aspek survei SFQ. Teknik klasifikasi menggunakan kombinasi fitur TFIDF, Unigram, dan Bigram dengan algoritma SVM dan library Multi Label CC merupakan model klasifikasi terbaik untuk pelabelan aspek survei FSQ. Teknik klasifikasi menggunakan kombinasi fitur Count Vectorizer, Unigram, dan Bigram dengan algoritma NB dan library Multi Label BR merupakan model klasifikasi terbaik untuk pelabelan aspek survei GFQ. Selain itu, algoritma SentiStrenghtID digunakan untuk mendapatkan sentimen dan algoritma LDA digunakan untuk mendapatkan tren topik tahunan pada setiap label aspek survei SFQ, FSQ, dan GFQ.

---

XYZ University is one of the universities in the form of universities located in Tangerang, which has an obligation to guarantee and provide quality education to students as one of the stakeholders that has a direct impact on the quality of a university. LP2MP is tasked to carrying out measurements and implementation of feedback every semester in the form of surveys as one part of quality control directly to stakeholders. The results of the surveys can be used as a guideline for continuous improvement in the implementation of Dikti quality assurance and management of XYZ University. However, conventional processing and measurement of feedback data are not enough to explore hidden information from surveys data. EDM was used in this research to process and analyze data from XYZ University in the form of Student Feedback Questionaire (SFQ), Facility Satisfaction Questionnaire (FSQ), and the Graduate Feedback Questionaire (GFQ) in the Open-Ended Question (OEQ) section.

The purpose of the research is to support decision making in taking proactive actions towards improvement for self-evaluation and quality of XYZ University. This research carried out label aspect classification, analytical sentiment, and trends in the survey topics SFQ, FSQ, and GFQ in the OEQ section. Multi- class aspect label classification SFQ will choose the best classification model by comparing the results of the evaluation of accuracy, precision, recall, and F1-score for each feature combination and comparison of four classification algorithms namely Decision Tree (DT), Naïve Bayes (NB), K- Nearest Neighbor (KNN), and Support Vector Machine (SVM). The classification of the multi-label aspects of the FSQ and GFQ survey labels will have the best classification model by comparing the evaluation results of three multilabel library types from SciKit-Learn, namely Binary Relevance (BR), Label Power Set (LPS), and Classifier Chain (CC) to each combination of features and four classification algorithms.

The results of this research are Classification Techniques using a combination of features of TFIDF, Unigram, and Bigram with the SVM algorithm which is the best Multi Class classification model for labeling aspects of the SFQ survey. Classification techniques use a combination of TFIDF, Unigram, and Bigram features with the SVM algorithm and the Multi-Label library CC is the best Multi-Label classification model for labeling aspects of the FSQ survey. Classification techniques using a combination of Count Vectorizer, Unigram, and Bigram features with the NB algorithm and the Multi-Label library BR are the best Multi-Label classification models for labeling aspects of the GFQ survey. In addition, the SentiStrenghtID algorithm can be used to get sentiments and the LDA algorithm can be used to get annual topic trends on each survey aspect label SFQ, FSQ, and GFQ.

"