ANALISIS SENTIMEN PADA DATA EVALUASI DOSEN OLEH MAHASISWA (EDOM) MENGGUNAKAN ALGORITMA LSTM  (Studi Kasus : ITTelkom Surabaya) - Dalam bentuk buku karya ilmiah

SABILLAH SAKTI

Informasi Umum

Kode

24.04.2116

Klasifikasi

004.019 - Data Processing-Psychological Principles; human-computer interaction; human factors in data processing and computer science; usability

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Natural Language Processing

Dilihat

587 kali

Informasi Lainnya

Abstraksi

Dalam konteks pendidikan, evaluasi dosen oleh mahasiswa (EDOM) memiliki peran penting dalam meningkatkan kualitas pengajaran dosen. Data EDOM yang berbentuk teks seperti kritik dan saran sangat sulit untuk dianalisis karena berisi pertanyaan terbuka dengan jawaban esai, yang memerlukan analisis manual yang memakan waktu dan berpotensi subjektif. Dalam penelitian ini, data diperoleh melalui hasil survei EDOM yang diberikan kepada mahasiswa ITTelkom Surabaya sebelum menghadapi ujian akhir semester. Untuk mengatasi tantangan ini, penelitian ini menerapkan analisis sentimen menggunakan metode <i>Long ShortTerm Memory</i> (LSTM) karena kemampuannya dalam mengatasi masalah hubungan antara kata atau frase yang terletak pada posisi yang terpisah dalam urutan teks, sehingga dapat memahami konteks yang kompleks dalam teks dan mengenali pola sentimen yang rumit. Selain itu, penelitian ini juga mengembangkan aplikasi mobile yang menggunakan pendekatan gamifikasi untuk membantu melabelkan teks EDOM sebagai positif atau negatif. Pendekatan gamifikasi bertujuan untuk menghilangkan unsur subjektivitas dalam proses pelabelan data teks dengan melibatkan berbagai orang untuk memberikan sudut pandang yang beragam. Hasil penelitian ini menunjukkan bahwa penggunaan data dari aplikasi gamifikasi untuk pelabelan sentimen memiliki akurasi sebesar 81,66%, yang mendekati akurasi pelabelan manual. Selain itu, model LSTM yang dikembangkan mampu mencapai akurasi sebesar 94% dalam membedakan sentimen positif dan negatif pada data EDOM. Hal ini menunjukkan bahwa model LSTM yang digunakan cukup efektif dan akurat dalam melakukan analisis sentimen, dan pemanfaatan data dari aplikasi mobile juga cukup mendekati keakuratan pelabelan manual.