Analisis Sentimen pada Data Saran Mahasiswa Terhadap Kinerja Departemen di Perguruan Tinggi Menggunakan Convolutional Neural Network

Review atau saran dari customer dapat menjadi sangat penting bagi penyedia layanan, begitu pula saran dari mahasiswa mengenai layanan sebuah unit kerja di perguruan tinggi. Review menjadi penting karena dapat menjadi indikator kinerja penyedia layanan. Pengolahan review juga sangat penting karena da...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Yuliska Yuliska, Dini Hidayatul Qudsi, Juanda Hakim Lubis, Khairul Umum Syaliman, Nina Fadilah Najwa
Formato:	article
Lenguaje:	ID
Publicado:	University of Brawijaya 2021
Materias:	Technology T Information technology T58.5-58.64
Acceso en línea:	https://doaj.org/article/a040cbb380b0461d8d31f161d2419a42
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:doaj.org-article:a040cbb380b0461d8d31f161d2419a42
record_format	dspace
spelling	oai:doaj.org-article:a040cbb380b0461d8d31f161d2419a422021-11-25T05:01:10ZAnalisis Sentimen pada Data Saran Mahasiswa Terhadap Kinerja Departemen di Perguruan Tinggi Menggunakan Convolutional Neural Network2355-76992528-657910.25126/jtiik.2021854842https://doaj.org/article/a040cbb380b0461d8d31f161d2419a422021-10-01T00:00:00Zhttps://jtiik.ub.ac.id/index.php/jtiik/article/view/4842https://doaj.org/toc/2355-7699https://doaj.org/toc/2528-6579Review atau saran dari customer dapat menjadi sangat penting bagi penyedia layanan, begitu pula saran dari mahasiswa mengenai layanan sebuah unit kerja di perguruan tinggi. Review menjadi penting karena dapat menjadi indikator kinerja penyedia layanan. Pengolahan review juga sangat penting karena dapat menjadi referensi untuk pengambilan keputusan dan peningkatan layanan yang lebih baik ke depannya. Penelitian ini menerapkan analisis sentimen pada data saran atau review mahasiswa terhadap kinerja unit kerja atau departemen di perguruan tinggi, yaitu Politeknik Caltex Riau. Analisis sentimen dilakukan dengan menggunakan Convolutional Neural Network (CNN) dan word embedding Word2vec sebagai representasi kata. CNN merupakan metode yang memiliki performa yang baik dalam mengklasifikasi teks, yaitu dengan teknik convolutional yang menggabungkan beberapa window kata pada kalimat dan mengambil window yang paling representative. Word2Vec digunakan sebagai representasi data saran dan inputan awal pada CNN, dimana Word2Vec merupakan dense vectors yang dapat merepresentasikan hubungan antar kata pada data saran dengan baik. Saran mahasiswa dapat mengandung kalimat yang sangat panjang, karena itu perpaduan Word2Vec sebagai representasi kata dan CNN dengan teknik convolutional, dapat menghasilkan representasi yang representative dari kalimat panjang tersebut. Penelitian ini menggunakan dua arsitektur CNN, yaitu Simple CNN dan DoubleMax CNN untuk mengidentifikasi pengaruh kompleksitas arsitektur terhadap hasil klasifikasi sentimen. Berdasarkan hasil pengujian, DoubleMax CNN dapat mengklasifikasi sentimen pada saran mahasiswa dengan sangat baik, yaitu mencapai Akurasi tertinggi sebesar 98%, Recall 97%, Precision 98% dan F1-Score 98%. Abstract Student’s reviews about department performance can be essential for a college for it can be used to evaluate the department performance and to take an immediate action to improve its performance. This research applies sentiment analysis in the student’s reviews of college department in Politeknik Caltex Riau. Convolutional Neural Network and Word2Vec are employed to analyze the sentiment. CNN is known for its good performance in text classification by applying a convolutional technique to the input sentences. Word2Vec is used as word representation and as an input to the CNN. Word2Vec are dense vectors which can represent the relationship between words excellently. Student’s reviews can be a long sentence; hence the combination of Word2Vec as word representation and CNN with convolutional technique can produce a representative fiture from that long sentence. This research utilizes two CNN architectures, which are Simple CNN dan DoubleMax CNN to identify the effect of the complexity of CNN architecture to final result. Our experiments show that DoubleMax CNN has a great performance in classifying sentiment in the student’s reviews with the best Accuracy value of 98%, Recall 97%, Precision 98% and F1-Score value of 98%.Yuliska YuliskaDini Hidayatul QudsiJuanda Hakim LubisKhairul Umum SyalimanNina Fadilah NajwaUniversity of BrawijayaarticleTechnologyTInformation technologyT58.5-58.64IDJurnal Teknologi Informasi dan Ilmu Komputer, Vol 8, Iss 5, Pp 1067-1076 (2021)
institution	DOAJ
collection	DOAJ
language	ID
topic	Technology T Information technology T58.5-58.64
spellingShingle	Technology T Information technology T58.5-58.64 Yuliska Yuliska Dini Hidayatul Qudsi Juanda Hakim Lubis Khairul Umum Syaliman Nina Fadilah Najwa Analisis Sentimen pada Data Saran Mahasiswa Terhadap Kinerja Departemen di Perguruan Tinggi Menggunakan Convolutional Neural Network
description	Review atau saran dari customer dapat menjadi sangat penting bagi penyedia layanan, begitu pula saran dari mahasiswa mengenai layanan sebuah unit kerja di perguruan tinggi. Review menjadi penting karena dapat menjadi indikator kinerja penyedia layanan. Pengolahan review juga sangat penting karena dapat menjadi referensi untuk pengambilan keputusan dan peningkatan layanan yang lebih baik ke depannya. Penelitian ini menerapkan analisis sentimen pada data saran atau review mahasiswa terhadap kinerja unit kerja atau departemen di perguruan tinggi, yaitu Politeknik Caltex Riau. Analisis sentimen dilakukan dengan menggunakan Convolutional Neural Network (CNN) dan word embedding Word2vec sebagai representasi kata. CNN merupakan metode yang memiliki performa yang baik dalam mengklasifikasi teks, yaitu dengan teknik convolutional yang menggabungkan beberapa window kata pada kalimat dan mengambil window yang paling representative. Word2Vec digunakan sebagai representasi data saran dan inputan awal pada CNN, dimana Word2Vec merupakan dense vectors yang dapat merepresentasikan hubungan antar kata pada data saran dengan baik. Saran mahasiswa dapat mengandung kalimat yang sangat panjang, karena itu perpaduan Word2Vec sebagai representasi kata dan CNN dengan teknik convolutional, dapat menghasilkan representasi yang representative dari kalimat panjang tersebut. Penelitian ini menggunakan dua arsitektur CNN, yaitu Simple CNN dan DoubleMax CNN untuk mengidentifikasi pengaruh kompleksitas arsitektur terhadap hasil klasifikasi sentimen. Berdasarkan hasil pengujian, DoubleMax CNN dapat mengklasifikasi sentimen pada saran mahasiswa dengan sangat baik, yaitu mencapai Akurasi tertinggi sebesar 98%, Recall 97%, Precision 98% dan F1-Score 98%. Abstract Student’s reviews about department performance can be essential for a college for it can be used to evaluate the department performance and to take an immediate action to improve its performance. This research applies sentiment analysis in the student’s reviews of college department in Politeknik Caltex Riau. Convolutional Neural Network and Word2Vec are employed to analyze the sentiment. CNN is known for its good performance in text classification by applying a convolutional technique to the input sentences. Word2Vec is used as word representation and as an input to the CNN. Word2Vec are dense vectors which can represent the relationship between words excellently. Student’s reviews can be a long sentence; hence the combination of Word2Vec as word representation and CNN with convolutional technique can produce a representative fiture from that long sentence. This research utilizes two CNN architectures, which are Simple CNN dan DoubleMax CNN to identify the effect of the complexity of CNN architecture to final result. Our experiments show that DoubleMax CNN has a great performance in classifying sentiment in the student’s reviews with the best Accuracy value of 98%, Recall 97%, Precision 98% and F1-Score value of 98%.
format	article
author	Yuliska Yuliska Dini Hidayatul Qudsi Juanda Hakim Lubis Khairul Umum Syaliman Nina Fadilah Najwa
author_facet	Yuliska Yuliska Dini Hidayatul Qudsi Juanda Hakim Lubis Khairul Umum Syaliman Nina Fadilah Najwa
author_sort	Yuliska Yuliska
title	Analisis Sentimen pada Data Saran Mahasiswa Terhadap Kinerja Departemen di Perguruan Tinggi Menggunakan Convolutional Neural Network
title_short	Analisis Sentimen pada Data Saran Mahasiswa Terhadap Kinerja Departemen di Perguruan Tinggi Menggunakan Convolutional Neural Network
title_full	Analisis Sentimen pada Data Saran Mahasiswa Terhadap Kinerja Departemen di Perguruan Tinggi Menggunakan Convolutional Neural Network
title_fullStr	Analisis Sentimen pada Data Saran Mahasiswa Terhadap Kinerja Departemen di Perguruan Tinggi Menggunakan Convolutional Neural Network
title_full_unstemmed	Analisis Sentimen pada Data Saran Mahasiswa Terhadap Kinerja Departemen di Perguruan Tinggi Menggunakan Convolutional Neural Network
title_sort	analisis sentimen pada data saran mahasiswa terhadap kinerja departemen di perguruan tinggi menggunakan convolutional neural network
publisher	University of Brawijaya
publishDate	2021
url	https://doaj.org/article/a040cbb380b0461d8d31f161d2419a42
work_keys_str_mv	AT yuliskayuliska analisissentimenpadadatasaranmahasiswaterhadapkinerjadepartemendiperguruantinggimenggunakanconvolutionalneuralnetwork AT dinihidayatulqudsi analisissentimenpadadatasaranmahasiswaterhadapkinerjadepartemendiperguruantinggimenggunakanconvolutionalneuralnetwork AT juandahakimlubis analisissentimenpadadatasaranmahasiswaterhadapkinerjadepartemendiperguruantinggimenggunakanconvolutionalneuralnetwork AT khairulumumsyaliman analisissentimenpadadatasaranmahasiswaterhadapkinerjadepartemendiperguruantinggimenggunakanconvolutionalneuralnetwork AT ninafadilahnajwa analisissentimenpadadatasaranmahasiswaterhadapkinerjadepartemendiperguruantinggimenggunakanconvolutionalneuralnetwork
_version_	1718414655489048576

Analisis Sentimen pada Data Saran Mahasiswa Terhadap Kinerja Departemen di Perguruan Tinggi Menggunakan Convolutional Neural Network

Ejemplares similares