Analisis Sentimen Pada Data Kuesioner Evaluasi Dosen Oleh Mahasiswa (edom) Prodi Sistem Informasi Telkom University Menggunakan Algoritma Support Vector Machine

Abstract

Abstrak Universitas Telkom khususnya Fakultas Rekayasa Industri program studi Sistem Informasi menerapkan adanya kuesioner online dalam rangka penilaian kinerja terhadap tenaga pengajar (dosen) dengan menggunakan kuesioner yang diisikan oleh mahasiswa pada setiap pergantian semester sebelum dilakukannya Ujian Akhir Semester (UAS). Dengan cara menuliskan kritik dan saran terhadap kegiatan perkuliahan. Evaluasi Dosen Oleh Mahasiswa atau yang biasa disebut dengan EDOM memiliki peranan yang sangat penting. Selain itu, data EDOM juga mampu untuk meningkatkan kualitas dalam pembelajaran dan standarisasi akademik yang perlu dievaluasi sehingga menghasilkan mahasiswa-mahasiswa yang berkualitas. Penelitian ini dilakukan dengan analisis sentimen menggunakan metode atau algoritma klasifikasi support vector machine (SVM), metode ini bisa digunakan untuk mengklasifikasikan opini ke dalam kelas positif, negatif maupun netral. Data yang digunakan adalah data komentar 1 semester ganjil tahun 2019/2020, data komentar yang terkumpul terdapat 2.465 dari data dosen pengajar aktif yang ada di Universitas Telkom Prodi Sistem Informasi. Dari data komentar ini bisa dilihat apakah yang ditulis oleh mahasiswa merupakan penilaian yang bernilai positif, negatif maupun netral. Kemudian dilakukannya analisis sentimen terhadap komentar, beberapa tahapan untuk analisis sentimen ini adalah pre-processing, ekstraksi fitur, klasifikasi dan evaluasi. Hasil dari penelitian ini untuk menentukan klasifikasi dari data EDOM sehingga hasilnya mudah untuk dibaca. Klasifikasi dalam menggunakan metode ini memperoleh tingkat akurasi 75%, precision 75%, recall 75%, dan f-1 score 74%. Kata kunci: Telkom University, Analisis Sentimen, Support Vector Machine, Klasifikasi, Evaluasi Dosen Oleh Mahasiswa Abstract Telkom University in particular the Faculty of Industrial Engineering Information Systems study program applies an online questionnaire in the context of evaluating the performance of teaching staff (lecturers) using a questionnaire filled out by students at each turn of the semester before the end of the Semester Examination (UAS). By writing criticism and suggestions for lecturing activities. Lecturer Evaluation by Students or commonly referred to as EDOM has a very important role. In addition, EDOM data is also able to improve the quality of learning and academic standardization that needs to be evaluated so as to produce quality students. This research was conducted by sentiment analysis using a support vector machine (SVM) classification method or algorithm, this method can be used to classify opinions into positive, negative or neutral classes. The data used are commentary data 1 odd semester of 2019/2020, the comment data collected there are 2,465 from the data of active lecturers at Telkom University Information System Study Program. From this commentary data it can be seen whether what was written by the students is a rating that is positive, negative or neutral. Then do a sentiment analysis of comments, some stages for sentiment analysis are pre-processing, feature extraction, classification and evaluation. The results of this study determine the classification of EDOM data so that the results are easy to read. Classification in using this method obtained 75% accuracy, 75% precision, 75% recall, and f-1 score 74%. Keywords: Telkom University, sentiment analysis, Support Vector Machine, classification, evaluation of lecturers by students