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

Abstract

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%.