ANALISIS SENTIMEN OPINI MAHASISWA PADA KUALITAS LAYANAN AKADEMIK BERBASIS PYTHON TEXTBLOB DENGAN PENGUJIAN ALGORITMA RANDOM FOREST (STUDI KASUS: UNIVERSITAS KAHURIPAN KEDIRI)

Abstract

Pendidikan tinggi memainkan peran penting dalam membentuk potensi sumber daya manusia. Kualitas layanan akademik di kampus sangat mempengaruhi pencapaian akademik dan kepuasan mahasiswa. Universitas Kahuripan Kediri bertanggung jawab untuk memberikan layanan akademik  terbaik, dan pemahaman terhadap sentimen mahasiswa dapat membantu meningkatkan lingkungan akademik dan citra lembaga. Penelitian ini menggunakan teknologi analisis sentimen dengan Python TextBlob dan metode Random Forest untuk mengeksplorasi opini mahasiswa mengenai layanan akademik. Hasil menunjukkan akurasi 73% untuk keseluruhan data dan 81% untuk data uji dengan perhitungan manual,serta hasil yang konsisten dengan algoritma Random Forest menggunakan RapidMiner. Namun, peningkatan jumlah dataset tidak selalu meningkatkan akurasi model, dengan akurasi menurun dari 81% pada 9 dataset menjadi 65% pada 200 dataset. Hal ini menunjukkan bahwa penambahan data percobaan tidak selalu meningkatkan performa model dan dapat menurunkan akurasi. Hasil analisis sentiment menunjukkan bahwa 63.33% data memiliki sentimen positif, 26.67% sentimen netral, dan 10.00% sentimen negatif. Mayoritas ulasan memberikan tanggapan yang baik, sementara sebagian kecil memberikan tanggapan yang kurang baik. Secara keseluruhan, mayoritas sentimen dalam data ini cenderung positif.