Memantau kepuasan dan masukan pengguna platform S-Learn
Total Ulasan
{{ number_format($totalData) }}
Semua ulasan yang masuk
Ulasan Positif
{{ number_format($positif) }}
{{ $persentasePositif }}% dari total
Ulasan Negatif
{{ number_format($negatif) }}
{{ $persentaseNegatif }}% dari total
Tingkat Kepuasan
{{ $persentasePositif }}%
Pengguna puas
Membandingkan jumlah ulasan positif dan negatif
Persentase perbandingan ulasan
{{ $persentasePositif }}% Puas | {{ $persentaseNegatif }}% Tidak Puas
Skor 0-100 (Semakin tinggi angkanya, semakin puas pengguna)
📊 Analisis: Grafik menunjukkan sebaran tingkat kepuasan. @if($score_81_100 > $score_0_20) Mayoritas pengguna merasa puas dengan layanan S-Learn (skor 81-100). @else Perlu perhatian pada area dengan skor rendah (0-40) untuk meningkatkan kepuasan. @endif
Seberapa akurat sistem dalam memprediksi sentimen
Precision (Ketepatan)
{{ number_format($metricsPositif['precision'] * 100, 1) }}%
Seberapa tepat sistem memprediksi sentimen positif
Recall (Kelengkapan)
{{ number_format($metricsPositif['recall'] * 100, 1) }}%
Seberapa lengkap sistem menangkap sentimen positif
F1-Score (Keseimbangan)
{{ number_format($metricsPositif['f1'] * 100, 1) }}%
Keseimbangan antara ketepatan dan kelengkapan
Tabel ini menunjukkan detail hasil prediksi sistem
@if(isset($cm) && count($cm) > 1)| HASIL PREDIKSI SISTEM | ||
| Diprediksi NEGATIF | Diprediksi POSITIF | |
| {{ $i == 1 ? 'AKTUAL NEGATIF' : 'AKTUAL POSITIF' }} (Kenyataan sebenarnya) | {{ number_format($row[1]) }} @if($i==1) ✓ Benar Negatif (Sistem benar memprediksi NEGATIF) @else ✗ Salah Negatif (Sistem salah memprediksi NEGATIF, padahal POSITIF) @endif | {{ number_format($row[2]) }} @if($i==2) ✓ Benar Positif (Sistem benar memprediksi POSITIF) @else ✗ Salah Positif (Sistem salah memprediksi POSITIF, padahal NEGATIF) @endif |
✓ Prediksi Benar
✗ Prediksi Salah
📈 Ringkasan:
Dari total {{ number_format($totalData) }} ulasan, sistem berhasil memprediksi dengan benar
{{ number_format(($cm[1][1] ?? 0) + ($cm[2][2] ?? 0)) }} data
({{ $totalData > 0 ? round((($cm[1][1] ?? 0) + ($cm[2][2] ?? 0)) / $totalData * 100, 1) : 0 }}%)
dan salah memprediksi
{{ number_format(($cm[1][2] ?? 0) + ($cm[2][1] ?? 0)) }} data.
Data confusion matrix belum tersedia
Keluhan pengguna yang perlu mendapatkan perhatian
{{ $jumlah }} pengguna melaporkan masalah ini
@if(!empty($maintenanceDetails[$kategori])) @endifTidak ada masalah yang dilaporkan
Semua sistem berjalan dengan baik