Analisis Perbandingan Algoritma Machine Learning Dan Deep Learning Untuk Sentimen Analisis Teks Umpan Balik Tentang Evaluasi Pengajaran Dosen

Abstract

Evaluasi kinerja dosen sangat penting karena membantu dalam memantau dan memastikan bahwa dosen memenuhi tugas secara efektif dalam menjaga integritas dan mengajarkan materi perkuliahan. Dengan melakukan penilaian kinerja dosen berdasarkan kriteria seperti pengajaran, dapat mengidentifikasi area untuk perbaikan dan memberikan dukungan jika diperlukan. Penelitian ini bertujuan untuk mengetahui tingkat akurasi machine learning dan deep learning yang dikombinasikan dengan word-embedding untuk analisis teks evaluasi kinerja pengajaran dosen dengan menggunakan teknik praproses. Dataset terdiri dari 663 data positif, 552 data negatif, 465 data netral. Berhasilkan hasil eksperimen, nilai akurasi pelatihan untuk setiap metode klasifikasi antara lain KNN sebesar 74.75%, SVM sebesar 65.78%, RF sebesar 98.58%, LSTM sebesar 95.64% dan Bi-LSTM sebesar 95.91%. Untuk nilai akurasi pengujian untuk setiap metode klasifikasi antara lain KNN sebesar 59.82%, SVM sebesar 62.88%, RF sebesar 69.37%, LSTM sebesar 70.81% dan Bi-LSTM sebesar 72.25%. Metode yang paling unggul dalam mengolah data 663 data positif, 552 data negatif, 465 data netral dengan menerapkan metode word-embedding yaitu BiLSTM dengan akurasi pelatihan 95.91% dan akurasi pengujian sebesar 72.25%.