VOKASI NEWS – Smart Sentiment Monitoring System membantu perguruan tinggi menganalisis sentimen ulasan digital secara otomatis untuk mendukung evaluasi layanan berbasis data.
Perkembangan media digital telah mengubah cara masyarakat menyampaikan opini terhadap layanan pendidikan tinggi. Platform seperti Google Maps dan YouTube kini menjadi sumber informasi yang dapat menggambarkan pengalaman mahasiswa, alumni, maupun masyarakat umum terhadap suatu perguruan tinggi.
Beragam ulasan digital tersebut memiliki nilai strategis sebagai bahan evaluasi institusi. Namun, jumlah data ulasan yang terus meningkat menyebabkan proses analisis secara manual menjadi kurang efektif sehingga diperlukan sistem otomatis yang mampu mengidentifikasi sentimen secara cepat dan akurat.
Berdasarkan data Pangkalan Data Pendidikan Tinggi (PDDIKTI) tahun 2024, sebagian besar perguruan tinggi di Indonesia merupakan perguruan tinggi swasta. Kondisi tersebut menunjukkan bahwa persaingan antar institusi pendidikan tinggi semakin meningkat.
Menjaga reputasi digital menjadi salah satu aspek penting dalam membangun kepercayaan masyarakat. Analisis terhadap opini publik melalui ulasan daring dapat membantu perguruan tinggi memahami persepsi pengguna serta menentukan langkah evaluasi layanan berbasis data.
Mengolah Ribuan Ulasan Menjadi Informasi yang Bermakna
Penelitian ini mengembangkan Smart Sentiment Monitoring System berbasis Support Vector Machine (SVM) untuk melakukan klasifikasi sentimen terhadap ulasan perguruan tinggi. Data penelitian diperoleh melalui proses scraping dari Google Maps dan YouTube dengan objek penelitian Universitas Pertamina (UPer) dan Institut Teknologi PLN (ITPLN).
Data kemudian diproses melalui tahap preprocessing. Proses ini mencakup cleaning, case folding, tokenization, normalization, translation, negation handling, stopword removal, dan stemming. Muhammad Rafly Nugrahasyach menjelaskan bahwa tahapan tersebut meningkatkan kualitas data teks sebelum proses representasi fitur dilakukan. Tahapan ini bertujuan membersihkan dan menstrukturkan data sehingga lebih optimal untuk proses klasifikasi.
Selanjutnya dilakukan proses pelabelan sentimen menjadi tiga kategori, yaitu positif, negatif, dan netral. Proses pelabelan dilakukan secara manual oleh penulis berdasarkan konteks dan makna setiap ulasan. Untuk memastikan kualitas data, hasil pelabelan diverifikasi oleh Ahli Sastra dan Bahasa. Menurut Romiana, S.Hum., M.Hum. selaku verifikator data, pelabelan yang dilakukan oleh penulis telah memenuhi kriteria klasifikasi komentar positif, negatif, dan netral secara tepat dan konsisten.
Model SVM Tunjukkan Performa Terbaik
Tahap berikutnya dilakukan ekstraksi fitur menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF) untuk mengubah data teks menjadi bentuk numerik yang dapat diproses oleh algoritma SVM. Data yang telah direpresentasikan kemudian dibagi menjadi data pelatihan dan pengujian untuk membangun serta mengevaluasi model klasifikasi.
Dalam penelitian yang dilakukan oleh Saltsa Ari Purbo Anugrah Firdaus, performa model SVM diuji melalui beberapa skenario, meliputi konfigurasi SVM Default (Baseline), pengaruh penggunaan n-gram, pengaruh max features, pengaruh Hyperparameter Tuning dan Cross Validation, dan penerapan teknik resampling.
Hasil evaluasi model menunjukkan bahwa konfigurasi SVM Default (Baseline) memberikan hasil terbaik dibandingkan skenario pengujian lainnya. Hal ini membuktikan bahwa model SVM mampu melakukan klasifikasi sentimen ulasan perguruan tinggi secara efektif dengan konfigurasi yang tepat.
Website Analisis Sentimen untuk Evaluasi Perguruan Tinggi
Model terbaik yang diperoleh kemudian diterapkan pada aplikasi berbasis website bernama Smart Sentiment Monitoring System. Sistem ini dikembangkan untuk membantu perguruan tinggi melakukan pemantauan opini publik secara lebih cepat, terstruktur, dan berbasis data.
Sistem menyediakan berbagai fitur analisis, seperti klasifikasi sentimen otomatis, distribusi sentimen, visualisasi word cloud, serta grafik tren opini publik. Fitur tersebut memungkinkan pengguna memahami kecenderungan persepsi masyarakat terhadap perguruan tinggi berdasarkan data ulasan digital.
Selain itu, sistem juga menyediakan fitur auto-scraping yang memungkinkan pengambilan data ulasan secara otomatis dari platform digital setelah pengguna memasukkan parameter yang diperlukan. Dengan fitur tersebut, proses pengumpulan data dapat dilakukan secara lebih efisien dibandingkan metode manual.
[BACA JUGA: Peramalan Nilai Tukar Rupiah terhadap Dolar Amerika Serikat dengan Support Vector Regression]
Menurut Rachman Sinatriya Mardjianto, B.Eng., M.Sc. selaku pembimbing penelitian, pemanfaatan analisis sentimen pada ulasan digital dapat menjadi pendekatan yang membantu perguruan tinggi melakukan evaluasi secara lebih objektif. Opini masyarakat yang tersedia pada platform digital dapat dimanfaatkan sebagai informasi pendukung dalam meningkatkan kualitas layanan akademik.
Berpotensi Menjadi Sistem Peringatan Dini
Smart Sentiment Monitoring System yang dikembangkan tidak hanya berfungsi sebagai alat klasifikasi sentimen. Sistem ini juga berpotensi dikembangkan menjadi early warning system untuk mendeteksi peningkatan opini negatif terhadap perguruan tinggi.
Dengan adanya sistem ini, institusi dapat memperoleh informasi lebih awal mengenai permasalahan yang muncul serta melakukan evaluasi dan perbaikan layanan secara lebih responsif.
Penulis I : Saltsa Ari Purbo Anugrah Firdaus, S.Tr.Kom
Penulis II : Muhammad Rafli Nugrahasyach, S.Tr.Stat
Pembimbing Penelitian : Rachman Sinatriya Mardjianto, B.Eng., M.Sc
Verifikator Data : Romiana, S.Hum., M.Hum
Editor: Inviana (Tim Vokasi Branding)
