Muhamad Ilham Nuari, - (2024) ANALISIS SENTIMEN PADA DATA EVALUASI PERKULIAHAN DENGAN MENGGUNAKAN ALGORITMA CONVOLUTONAL NEURAL NETWORK (CNN). S1 thesis, Universitas Pendidikan Indonesia.
Text
S_RPL_2008213_Title.pdf Download (620kB) |
|
Text
S_RPL_2008213_Chapter1.pdf Download (101kB) |
|
Text
S_RPL_2008213_Chapter2.pdf Restricted to Staf Perpustakaan Download (512kB) |
|
Text
S_RPL_2008213_Chapter3.pdf Download (264kB) |
|
Text
S_RPL_2008213_Chapter4.pdf Restricted to Staf Perpustakaan Download (642kB) |
|
Text
S_RPL_2008213_Chapter5.pdf Download (92kB) |
|
Text
S_RPL_2008213_Appendix.pdf Restricted to Staf Perpustakaan Download (390kB) |
Abstract
Evaluasi perkuliahan merupakan proses pengumpulan informasi untuk mengidentifikasi potensi perbaikan dalam melakukan kegiatan perkuliahan. Hasil tersebut dapat dijadikan bahan untuk mengembangkan sistem perkuliahan yang lebih efektif. Dalam evaluasi tersebut Universitas Pendidikan Indonesia menggunakan kuesioner untuk pengumpulan data evaluasi perkuliahan. Kuesioner terdiri dari pilihan ganda dan bagian kritik untuk mendapatkan opini dari mahasiswa. Analisis sentimen digunakan untuk melakukan analisis pada data kuesioner bagian kritik tersebut. Penelitian ini bertujuan untuk melakukan analisis sentimen pada data evaluasi perkuliahan menggunakan algoritma Convolutional Neural Network (CNN) dan word embedding sebagai representasi data. Proses analisis diawali dengan tahap pengumpulan data, persiapan data, pelatihan model, dan evaluasi model. Dataset yang digunakan terdiri dari 17.178 baris teks yang dikumpulkan dari evaluasi tiga mata kuliah umum: Bahasa Indonesia, Pendidikan Agama Islam, dan Pendidikan Kewarganegaraan dalam kurun waktu dari tahun 2020 hingga 2021. Penelitian ini, membandingkan model dengan representasi data Layer Embedding dan Word2Vec. Berdasarkan hasil penelitian yang dilakukan penggunaan Layer Embedding lebih unggul dibanding Word2Vec, dengan hasil rata-rata akurasi, presisi, recall, dan f1-score yang dicapai adalah 96%. Validasi terhadap model juga menghasilkan rata-rata akurasi 98% dan standar deviasi ± 0.80%, hasil tersebut menunjukkan bahwa metode CNN dengan Layer Embedding memiliki performa lebih baik untuk melakukan analisis sentimen terhadap data evaluasi perkuliahan serta dapat melakukan klasifikasi sentimen secara konsisten. ---------- Lecture evaluation is the process of gathering information to identify potential improvements in conducting lecture activities. The results can be used as material to develop a more effective lecture system. In the evaluation, Universitas Pendidikan Indonesia uses a questionnaire to collect lecture evaluation data. The questionnaire consists of multiple choice and criticism sections to get opinions from students. Sentiment analysis is used to analyze the criticism part of the questionnaire data. This research aims to conduct sentiment analysis on lecture evaluation data using the Convolutional Neural Network (CNN) algorithm and word embedding as data representation. The analysis process begins with the stages of data collection, data preparation, model training, and model evaluation. The dataset used consists of 17,178 lines of text collected from the evaluation of three general courses: Indonesian Language, Islamic Religious Education, and Civic Education in the period from 2020 to 2021. Based on the results of the research conducted, the use of Layer Embedding is superior to Word2Vec, with the average accuracy, precision, recall, and f1-score achieved being 96%. Validation of the model also produces an average accuracy of 98% and a standard deviation of ± 0.80%, these results show that the CNN method with Layer Embedding has better performance to perform sentiment analysis on lecture evaluation data and can perform sentiment classification consistently.
Item Type: | Thesis (S1) |
---|---|
Additional Information: | https://scholar.google.com/citations?hl=en&user=JqwocuwAAAAJ&scilu=&scisig=ANI4uE0AAAAAZs8v6f81Af1gKm188WXa2WbZjos&gmla=AC6lMd9o0Ee-_sLEYb19MkBj6L0DIMW94y7XmhJ94NxLfzbozwKSAQLMQnSCI5_PUT0Kb9VrAIUsq5Dj8SLS-ET80aIdSm5WjSJmYmc&sciund=1228235266566798798 ID SINTA Dosen Pembimbing: 6658557 HENDRIYANA 6681986 DIAN ANGGRAINI |
Uncontrolled Keywords: | Analisis Sentimen, Evaluasi Perkuliahan, CNN, Word Embedding, word2vec. Sentiment Analysis, Lecture Evaluation, CNN, Word Embedding, word2vec |
Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General) |
Divisions: | UPI Kampus cibiru > S1 Rekayasa Perangkaat Lunak |
Depositing User: | Muhamad Ilham Nuari |
Date Deposited: | 11 Sep 2024 04:23 |
Last Modified: | 11 Sep 2024 04:23 |
URI: | http://repository.upi.edu/id/eprint/121555 |
Actions (login required)
View Item |