Dashboard Berbasis Convolutional Neural Network untuk Kelompok Sentimen di Pendidikan Tinggi Indonesia

Abstract

Dashboard Evaluasi Dosen oleh Mahasiswa (EDOM) merupakan aspek penting dalam peningkatan pengembangan pendidikan tinggi. EDOM berperan penting dalam mengukur kualitas kinerja dan memberikan umpan balik yang berdampak pada dosen. Meskipun EDOM dilakukan secara rutin, pemanfaatan data EDOM masih belum optimal dalam menghasilkan informasi yang signifikan bagi dosen dan institusi pendidikan, khususnya di Institut Teknologi Telkom Surabaya (ITTelkom Surabaya). Penelitian ini menggunakan pendekatan eksperimental dengan menerapkan analisis sentimen umpan balik terhadap kinerja dosen EDOM di ITTelkom Surabaya menggunakan Convolutional Neural Network (CNN) dan Word2Vec. Penelitian ini melibatkan tahapan pengumpulan data EDOM, pra-pemrosesan data yang mencakup pelabelan sentimen seperti negatif, netral, atau positif dengan SentiStrenght dan Word embedding menggunakan Word2Vec, pelatihan dan evaluasi model CNN untuk analisis sentimen data teks, serta pengembangan dashboard yang dapat menampilkan hasil analisis secara visual. Penelitian ini menggunakan dua arsitektur CNN, yaitu Simple CNN dan Double Max CNN. Berdasarkan hasil pengujian, Double Max CNN dapat mengklasifikasikan sentimen pada saran mahasiswa dengan sangat baik, mencapai akurasi tertinggi 86%, recall 69%, precision 74% dan f1-score 70%. Sementara Simple CNN dapat mengklasifikasikan sentimen pada saran mahasiswa dengan sangat baik, mencapai akurasi tertinggi 82%, recall 69%, precision 74%, dan f1-score 67% serta dashboard interaktif yang menampilkan data EDOM