Saran dan keluhan merupakan salah satu hal yang menjadi pertimbangan suatu organisasi
demi meningkatkan pelayanan yang diberikan. Penelitian ini mengolah saran dan keluhan
dari mahasiswa yang dikumpulkan melalui kuesioner pada Sistem Informasi Perguruan
Tinggi XYZ selama satu tahun untuk pertimbangan dalam meningkatkan kualitas layanan
Institusi. Saran dan keluhan berupa teks sehingga dibutuhkan tahapan preprocessing teks
ulasan dari data yang didapatkan seperti proses tokenizing, stemming, dan stopword
removal. Tujuan dari penelitian ini untuk membangun sebuah dashboard monitoring yang
menampilkan informasi tentang saran, tahun, dan klasifikasi data teks sesuai dengan
bidang perbaikan yang dibutuhkan. Metode yang digunakan yakni sentiment analysis dan
penentuan context. Langkah pertama mengumpulkan data keluhan mahasiswa melalui
Sistem Informasi Perguruan Tinggi XYZ yang telah dikumpulkan oleh Satuan
Penjaminan Mutu (SPM) Perguruan Tinggi XYZ. Selanjutnya melakukan teknik
preprocessing data untuk membersihkan data saran dan keluhan yang kosong. Kemudian
sentiment analysis dilakukan untuk mengevaluasi apakah teks yang dikumpulkan memiliki
sentiment positif, negatif atau netral. Selanjutnya, diterapkan perhitungan Term
Frequency-Inverse Document Frequency (TF-IDF) pada masing-masing data berlabel
sentiment positif, negatif, dan netral untuk mengekstraksi konteks dari data yang berlabel
tersebut berdasarkan metode Context-based Reasoning (CBR). Berdasarkan CBR, konteks
yang didapatkan akan dianalisis untuk dicari apa saja keluhan yang paling sering
diutarakan mahasiswa, hingga objek yang paling sering disebut hingga menyebabkan opini
bernilai negatif. Data hasil ini kemudian divisualisasikan untuk menjadi dasar pengambilan
keputusan perbaikan fasilitas. Penggunaan Bag of Words pada sentiment analysis
mendapatkan hasil yang optimal yakni dengan akurasi nilai untuk sentiment analysis
adalah sebesar 91%. Penerapan metode SVM untuk melakukan klasifikasi pada bidang-
bidang mendapatkan akurasi 89% yang mana model ini cukup optimal. Visualisasi data
menggunakan Google Data Studio sebagai alat untuk membuat dashboard dari dataset
tersebut yang sesuai dengan kebutuhan. Salah satu output pada penelitian ini berupa
kumpulan kata-kata yang merepresentasikan bidang-bidang pada Institusi. Terdiri dari
Bidang 1, Bidang 2, dan Bidang 3 corpus ini dibuat khusus untuk melakukan klasifikasi
jawaban aduan mahasiswa terhadap pelayanan yang diberikan oleh Institusi serta
ditampilkan dalam dashboard monitoring. Hasil penelitian ini digunakan untuk
rekomendasi para pemangku keputusan dalam menetapkan langkah-langkah yang akan
dilaksanakan demi meningkatkan pelayanan.
Kata Kunci: Context-based Reasoning, Bag of Words, Text Mining, Support Vector
Machine, Sentiment Analysis