all() : [])); ?> withName('app-layout'); ?> shouldRender()): ?> startComponent($component->resolveView(), $component->data()); ?> except(\App\View\Components\AppLayout::ignoredParameterNames()); ?> withAttributes([]); ?> slot('header', null, []); ?>

Dashboard Analisis Sentimen S-Learn

Memantau kepuasan dan masukan pengguna platform S-Learn

Terakhir update: format('d M Y H:i')); ?>
endSlot(); ?> 0,'recall'=>0,'f1'=>0]; $metricsPositif = $formattedMetrics['positif'] ?? ['precision'=>0,'recall'=>0,'f1'=>0]; $maintenance = $maintenance ?? []; $maintenanceDetails = $maintenanceDetails ?? []; // Hitung persentase untuk memudahkan pemahaman $persentasePositif = $totalData > 0 ? round(($positif/$totalData)*100, 1) : 0; $persentaseNegatif = $totalData > 0 ? round(($negatif/$totalData)*100, 1) : 0; ?>

Total Ulasan

Semua ulasan yang masuk

Ulasan Positif

% dari total

Ulasan Negatif

% dari total

Tingkat Kepuasan

%

Pengguna puas

Perbandingan Ulasan

Grafik Batang

Membandingkan jumlah ulasan positif dan negatif

Positif:
Negatif:

Proporsi Kepuasan

Grafik Lingkaran

Persentase perbandingan ulasan

% Puas | % Tidak Puas

Tingkat Kepuasan Pengguna

Skor 0-100 (Semakin tinggi angkanya, semakin puas pengguna)

0-20 Sangat Tidak Puas
21-40 Tidak Puas
41-60 Netral
61-80 Puas
81-100 Sangat Puas

📊 Analisis: Grafik menunjukkan sebaran tingkat kepuasan. $score_0_20): ?> Mayoritas pengguna merasa puas dengan layanan S-Learn (skor 81-100). Perlu perhatian pada area dengan skor rendah (0-40) untuk meningkatkan kepuasan.

Tingkat Akurasi Sistem

Seberapa akurat sistem dalam memprediksi sentimen

Precision (Ketepatan)

%

Seberapa tepat sistem memprediksi sentimen positif

Recall (Kelengkapan)

%

Seberapa lengkap sistem menangkap sentimen positif

F1-Score (Keseimbangan)

%

Keseimbangan antara ketepatan dan kelengkapan

📊 Matriks Prediksi (Confusion Matrix)

Tabel ini menunjukkan detail hasil prediksi sistem

1): ?>
addLoop($__currentLoopData); foreach($__currentLoopData as $i=>$row): $__env->incrementLoopIndices(); $loop = $__env->getLastLoop(); ?> 0 && isset($row[1]) && isset($row[2])): ?> popLoop(); $loop = $__env->getLastLoop(); ?>
HASIL PREDIKSI SISTEM
Diprediksi NEGATIF Diprediksi POSITIF
(Kenyataan sebenarnya) ✓ Benar Negatif (Sistem benar memprediksi NEGATIF) ✗ Salah Negatif (Sistem salah memprediksi NEGATIF, padahal POSITIF) ✓ Benar Positif (Sistem benar memprediksi POSITIF) ✗ Salah Positif (Sistem salah memprediksi POSITIF, padahal NEGATIF)

✓ Prediksi Benar

  • • Benar Positif (): Sistem benar memprediksi POSITIF
  • • Benar Negatif (): Sistem benar memprediksi NEGATIF

✗ Prediksi Salah

  • • Salah Positif (): Sistem salah prediksi POSITIF
  • • Salah Negatif (): Sistem salah prediksi NEGATIF

📈 Ringkasan:
Dari total ulasan, sistem berhasil memprediksi dengan benar data ( 0 ? round((($cm[1][1] ?? 0) + ($cm[2][2] ?? 0)) / $totalData * 100, 1) : 0); ?>%) dan salah memprediksi data.

Data confusion matrix belum tersedia

Kategori Masalah & Saran Perbaikan

Keluhan pengguna yang perlu mendapatkan perhatian

addLoop($__currentLoopData); foreach($__currentLoopData as $kategori => $jumlah): $__env->incrementLoopIndices(); $loop = $__env->getLastLoop(); $__empty_1 = false; ?>

pengguna melaporkan masalah ini

popLoop(); $loop = $__env->getLastLoop(); if ($__empty_1): ?>

Tidak ada masalah yang dilaporkan

Semua sistem berjalan dengan baik

renderComponent(); ?>