Penerapan Analisis Sentimen pada Saran Evaluasi Proses Belajar Mengajar di IPB University Menggunakan IndoBERT dan LDA

Abstract

Evaluasi Proses Belajar Mengajar menjadi kunci dalam meningkatkan kualitas pembelajaran dan mendukung perkembangan mahasiswa. Namun, permasalahan dalam evaluasi sering terkait dengan ketidakseimbangan antara hasil belajar dan kualitas proses pembelajaran. Analisis sentimen diharapkan dapat memberikan wawasan mendalam terhadap saran mahasiswa pada proses belajar mengajar dengan menggunakan IndoBERT dan Latent Dirichlet Allocation. Penelitian ini bertujuan mengklasifikasikan analisis sentimen ke dalam kategori positif, negatif, dan netral serta mengidentifikasi topik utama yang sering dibicarakan dan menjadi permasalahan serta relevan pada saran evaluasi proses belajar mengajar. Tahapan dari penelitian ini meliputi pengumpulan data, pra proses data, pelabelan data, pembagian data, pemodelan, evaluasi serta pemodelan topik. Dari penelitian ini didapatkan hasil bahwa model IndoBERT mampu mengklasifikasikan sentimen dengan tingkat akurasi 94% sementara pemodelan topik menggunakan Latent Dirichlet Allocation mampu mengidentifikasi topik utama dari saran-saran mahasiswa pada setiap kategori.

Evaluation of the Teaching and Learning Process is key in improving the quality of learning and supporting student development. However, problems in evaluation are often related to the imbalance between learning outcomes and the quality of the learning process. Sentiment analysis is expected to provide in-depth insight into student suggestions on the teaching and learning process using IndoBERT and Latent Dirichlet Allocation. This research aims to classify sentiment analysis into positive, negative, and neutral categories and identify the main topics that are often discussed and become problems and relevant to the evaluation of the teaching and learning process. The stages of this research include data collection, data pre-processing, data labeling, data sharing, modeling, evaluation and topic modeling. From this research, it is found that the IndoBERT model is able to classify sentiment with 94% accuracy while topic modeling using Latent Dirichlet Allocation is able to identify the main topics of student suggestions in each category.