Analisis Sentimen Evaluasi Mahasiswa terhadap Layanan di UNISNU Jepara menggunakan Algoritma Support Vector Machine

Noor Azizah; Adi Wibowo; Budi Warsito; Nadia Annisa Maori

doi:10.24176/simet.v16i1.14540

Analisis Sentimen Evaluasi Mahasiswa terhadap Layanan di UNISNU Jepara menggunakan Algoritma Support Vector Machine

Noor Azizah, Adi Wibowo, Budi Warsito, Nadia Annisa Maori

Sari

Peningkatan kualitas layanan di perguruan tinggi menjadi salah satu fokus utama dalam dunia pendidikan. Evaluasi layanan oleh mahasiswa sering kali mencakup komentar dalam bentuk teks bebas, sehingga memerlukan pendekatan berbasis kecerdasan buatan untuk mengolah data secara efisien dan akurat. Penelitian ini bertujuan untuk menganalisis sentimen mahasiswa terhadap tiga layanan utama di UNISNU Jepara, yaitu layanan akademik, beasiswa, dan perpustakaan, menggunakan algoritma Support Vector Machine (SVM).

Penelitian ini mengikuti tahapan metodologi CRISP-DM, meliputi pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, serta penarikan kesimpulan. Data yang digunakan berasal dari hasil evaluasi berbentuk komentar terbuka yang dikumpulkan melalui sistem SIAKAD. Data tersebut diproses melalui tahapan text preprocessing sebelum diterapkan algoritma SVM untuk klasifikasi sentimen.

Hasil penelitian menunjukkan bahwa algoritma SVM mampu memberikan tingkat akurasi tinggi pada analisis sentimen terhadap ketiga jenis layanan, yaitu 95,8% untuk layanan akademik, 95,7% untuk layanan beasiswa, dan 98,4% untuk layanan perpustakaan. Temuan ini mengindikasikan bahwa algoritma SVM merupakan metode yang efektif untuk analisis sentimen dalam konteks data tidak terstruktur, serta memberikan wawasan strategis yang dapat membantu perguruan tinggi meningkatkan kualitas layanan mereka..

Kata Kunci

analisis sentiment; evaluasi layanan; support vector machine

Teks Lengkap:

PDF

Referensi

I. S. K. Idris, Yasin Aril Mustofa, and I. A. Salihi, “Analisis Sentimen Terhadap Penggunaan Aplikasi Shopee Mengunakan Algoritma Support Vector Machine ( SVM ),” Jambura J. Electr. Electron. Eng., vol. 5, no. 1, pp. 32–35, 2023.

P. Arsi and R. Waluyo, “Analisis Sentimen Wacana Pemindahan Ibu Kota Indonesia Menggunakan Algoritma Support Vector Machine (SVM),” J. Teknol. Inf. dan Ilmu Komput., vol. 8, no. 1, p. 147, 2021, doi: 10.25126/jtiik.0813944.

F. Sidik, I. Suhada, A. H. Anwar, and F. N. Hasan, “Analisis Sentimen Terhadap Pembelajaran Daring Dengan Algoritma Naive Bayes Classifier,” J. Linguist. Komputasional, vol. 5, no. 1, p. 34, 2022, doi: 10.26418/jlk.v5i1.79.

S. Wijanarko, “Analisis Kesesuaian Komentar Mahasiswa Pada Sistem Akademi Online Angket Penilaian Dosen Menggunakan Supervised Model,” J. Tek. Inform., vol. 8, no. 2, pp. 74–84, 2022, doi: 10.51998/jti.v8i2.503.

E. R. M. Sholihah, I. G. Susrama Mas Diyasa, and E. Yulia Puspaningrum, “Perbandingan Kinerja Kernel Linear Dan Rbf Support Vector Machine Untuk Analisis Sentimen Ulasan Pengguna Kai Access Pada Google Play Store,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 728–733, 2024, doi: 10.36040/jati.v8i1.8800.

V. B. Anwari and Y. Yuliazmi, “Implementasi Algoritma K-Nearest Neighbors Pada Analisis Sentimen Masyarakat Terhadap Penerapan Pemberlakuan Pembatasan Kegiatan Masyarakat,” Skanika, vol. 5, no. 1, pp. 72–81, 2022, doi: 10.36080/skanika.v5i1.2912.

V. R. Prasetyo, H. Lazuardi, A. A. Mulyono, and C. Lauw, “Penerapan Aplikasi RapidMiner Untuk Prediksi Nilai Tukar Rupiah Terhadap US Dollar Dengan Metode Linear Regression,” J. Nas. Teknol. dan Sist. Inf., vol. 7, no. 1, pp. 8–17, 2021, doi: 10.25077/teknosi.v7i1.2021.8-17.

F. V. Sari and A. Wibowo, “Analisis Sentimen Pelanggan Toko Online Jd.Id Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi,” J. SIMETRIS, vol. 10, no. 2, pp. 681–686, 2019.

B. Gunawan, H. S. Pratiwi, and E. E. Pratama, “Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes,” J. JEPIN J. Edukasi dan Penelit. Inform., vol. 4, no. 2, pp. 113–115, 2018, doi: 10.33050/mentari.v2i1.377.

M. N. Muttaqin and I. Kharisudin, “Analisis Sentimen Pada Ulasan Aplikasi Gojek Menggunakan Metode Support Vector Machine dan K Nearest Neighbor,” UNNES J. Math., vol. 10, no. 2, pp. 22–27, 2021, [Online]. Available: http://journal.unnes.ac.id/sju/index.php/ujm

S. Rabbani, D. Safitri, N. Rahmadhani, A. A. F. Sani, and M. K. Anam, “Perbandingan Evaluasi Kernel SVM untuk Klasifikasi Sentimen dalam Analisis Kenaikan Harga BBM,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 3, no. 2, pp. 153–160, 2023, doi: 10.57152/malcom.v3i2.897.

Oryza Habibie Rahman, Gunawan Abdillah, and Agus Komarudin, “Klasifikasi Ujaran Kebencian pada Media Sosial Twitter Menggunakan Support Vector Machine,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 1, pp. 17–23, 2021, doi: 10.29207/resti.v5i1.2700.

DOI: https://doi.org/10.24176/simet.v16i1.14540