ANALISIS SENTIMEN DOSEN PEMBIMBING DALAM MEREVISI SKRIPSI MAHASISWA PRODI INFORMATIKA MENGGUNAKAN METODE BERT

Andini Banuri; Muhammad Fhadli; Assaf Arief; Muhammad Ridha Albaar

doi:10.33387/b4gf7570

Penulis

Andini Banuri Universitas Khairun
Muhammad Fhadli Universitas Khairun
Assaf Arief Universitas Khairun
Muhammad Ridha Albaar Universitas Khairun

DOI:

https://doi.org/10.33387/b4gf7570

Kata Kunci:

Analisis Sentimen, BERT, Bimbingan Skripsi, Komentar Mahasiswa

Abstrak

Sistem penilaian pembelajaran di perguruan tinggi untuk mengetahui indikator kinerja dosen. Namun dalam kenyataannya, proses bimbingan skripsi mahasiswa seringkali mengalami hambatan dengan dosen pembimbing. Analisis sentimen dilakukan pada komentar mahasiswa terhadap dosen pembimbing untuk mengklasifikasikan ke dalam tiga kategori sentimen yaitu positif, negatif, dan netral. Metode analisis menggunakan BERT memanfaatkan arsitektur transformer dengan pendekatan bidirectional, yaitu melihat konteks secara dua arah sehingga mampu memahami konteks yang lebih luas. Pelabelan data menggunakan GPT-3 dan manual oleh pakar bahasa. Data sebanyak 700 kalimat telah dilabeli dengan 330 kalimat positif, 351 kalimat netral, dan 19 kalimat negatif. Setelah pemrosesan data melalui case folding, filtering, dan tokenization, model BERT diaplikasikan menggunakan IndoBERT-Base. Pelatihan model dengan fine-tuning menggunakan hyperparameter batch size 32, learning rate 2e-5, epoch 10. Hasil dalam menggunakan BERT didapatkan nilai tertinggi untuk akurasi sebesar 84%, precision netral sebesar 87%, precision positif sebesar 81% dan precision negatif adalah 0. Untuk recall netral sebesar 87%, recall positif sebesar 93%,dan recall negatif adalah 0. Untuk f1-score netral sebesar 87%, f1-score positif sebesar 87% dan f1- score negatif adalah 0. Hasil ini merekomendasikan penggunaan BERT untuk analisis sentimen dengan data yang seimbang

Referensi

[1] Haryati, R., 2012., Survey kinerja dosen pembimbing skripsi dan kualitas skripsi mahasiswa akuntansi stie malangkucecwara. Jurnal Dinamika Akuntansi, 4(2), 121–128.

[2] Habibi, M., (2019)., Analisis Sentimen dan Klasifikasi Komentar Mahasiswa pada Sistem Evaluasi Pembelajaran Menggunakan Kombinasi KNN Berbasis Cosine Similarity dan Supervised Model. Departemen Ilmu. Komputer Dan Elektronika, Fakultas Matematika Dan Ilmu Pengetahuan Alam.

[3] Agus Sidiq Purnomo., 2020., Analisis Sentimen Untuk Respon Terhadap Universitas (Studi Kasus : Universitas Mercu Buana Yogyakarta). Journal Of Information System And Artificial Intelligence (JISAI), X(X), 53–60.

[4] Surya Agustian., 2022., Analisis Sentimen Masyarakat Terhadap Kebijakan Vaksinasi Covid-19 pada Media Sosial Twitter menggunakan Metode Logistic Regression. Jurnal CoSciTech (Computer Science and Information Technology), 3(2), 99–106. https://doi.org/10.37859/coscitech.v3i2.3836.

[5] Kinasih, H. W., 2021., Peran Dosen Pembimbing Dalam Lulus Tepat Waktu Mahasiswa : Study Pada Mahasiswa Akuntansi Universitas X. Proceeding SENDU, 208–214.

[6] Santoso., 2022., Analisis Sentimen Mahasiswa Terkait Pembelajaran Tatap Muka Menggunakan Metode Naive Bayes Classifier. Techno.Com, 21(3), 644–654. https://doi.org/10.33633/tc.v21i3.6262

[7] Wahyudi, M. D. (2019). Analisis Sentimen pada Indeks Kinerja Dosen Fakultas SAINTEK UIN Menggunakan Naive Bayes Classifier. Jurnal Buana Informatika,. https://doi.org/10.24002/jbi.v10i2.2250.

[8] Patwardhan, N., Marrone, S., & Sansone, C., 2023., Transformers in the Real World: A Survey on NLP Applications. Information. https://doi.org/10.3390/info14040242.

[9] Saputra, R., 2022., Implementasi Bidirectional Encoder Representations From Transformers (BERT) Untuk Mendeteksi Hatespeech. UIN SUSKA RIAU.

[10] and rating of tourist reviews using machine learning. Journal of Hospitality and Tourism Insights. https://doi.org/10.1108/JHTI-02-2022- 0078

[11] Vaswani, (2019). Attention is all you need. Advances in Neural Information Processing Systems, 2017-Decem(Nips), 5999–6009.

[12] Devlin, J., (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. - Proceedings of the Conference, 1, 4171–4186.

[13] Viñán-Ludeña., (2022). Discovering a tourism destination with social media data: BERT-based sentiment analysis. Journal of Hospitality and Tourism Technology.

[14] https://doi.org/10.1108/JHTT-09-2021-0259. Latsch, S., & Thygesen, E., 2020., Fact Extraction and Verification in Danish. 1–55.

[15] Hadiyan., (2021)., Deteksi Penggunaan Kalimat Abusive Pada Teks Bahasa Indonesia Menggunakan Metode IndoBERT. E- Proceeding of Engineering, Vol.8, No.(2), 3028–3038.

[16] Raden., (2021)., Analisis Sentimen Customer Review Aplikasi Ruang Guru dengan Metode BERT (Bidirectional Encoder Representations from Transformers). Jeisbi, 02(03) Utami, L. A., Gani, A., & Suparni, S. 2020. Penerapan Metode Webqual 4.0 dan IPA Dalam Mengukur Kualitas Website VISLOG PT. Citra Surya Indonesi. Komputika : Jurnal Sistem Komputer, 9(1), 25–34. https://doi.org/10.34010/komputika.v9i1.2849.