Sentiment Summarization Evaluasi Pembelajaran Menggunakan Algoritma LSTM(Long Short Term Memory)

Abstract

Evaluasi pembelajaran dosen adalah sebuah teks yang berisi ulasan mahasiswa terkait kinerja pembelajaran dosen. Evaluasi pembelajaran digunakan sebagai bahan refleksi diri dosen agar dapat meningkatkan pelayanan pembelajaran yang diberikan pada pembelajaran selanjutnya. Evaluasi tersebut berjumlah banyak membuat dosen kesulitan untuk menganalisis. Diperlukan teknik analisis sentimen untuk mengklasifikasikan evaluasi mahasiswa. Evaluasi yang sudah terklasifikasi masih menyisahkan teks yang panjang dan berbelit. Peringkasan teks merupakan salah satu solusi untuk meringkas teks yang panjang menjadi sebuah teks yang padat dan informatif. Peringkasan teks bermanfaat untuk menghewat waktu dalam mencari inti yang terdapat pada teks. Terdapat dua metode dalam peringkasan teks yaitu metode ekstraktif dan abstraktif. Pada penelitian ini menggunakan metode abstraktif dikarenakan data yang digunakan adalah evaluasi pembelajaran dosen yang ulasannya ditulis oleh mahasiswa. Algoritma yang digunakan untuk pengklasifikasian sentimen dan peringkasan teks ini menggunakan algoritma Long Short Term Memory (LSTM). Hasil klasifikasi sentimen akan dievaluasi dengan menggunakan confusion matrix yaitu menguji model dengan data evaluasi. Sedangkan hasil ringkasan akan dievaluasi dengan menggunakan ROUGE yaitu membandingkan hasil ringkasan dari sistem dengan ringkasan manual oleh ahli. Pada pengujian confusion matrix sistem mendapatkan nilai accuracy sebesar 0,902 dan nilai f-measure sebesar 0,921. Pada pengujian Recall-Oriented Understudy for Gisting Evaluation (ROGUE) evaluasi positif mendapatkan nilai 0,16 dan pada evaluasi negatif mendapatkan nilai 0,2. Tokenizer yang dikemangkan belum dapat menyimpan token hasil proses training. Akibatnya hasil prediksi saat load model tidak akan sebagus hasil prediksi saat selesai training.