BAB I PENDAHULUAN 1.1 Latar Belakangetd.repository.ugm.ac.id/downloadfile/108938/potongan/S2-2017... · evaluasi pembelajaran hanya memberikan beberapa pertanyaan dan menyediakan

1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Pendidikan merupakan salah satu aspek penting di dalam kehidupan. Oleh

karena itu, pendidikan mendapat perhatian besar dalam kehidupan masyarakat

dan negara. Pendidikan di perguruan tinggi merupakan salah satu jenjang

pendidikan formal. Menurut Djamarah dan Zain (2006), bahwa keberhasilan

proses belajar mengajar dalam dunia pendidikan dipengaruhi oleh beberapa

faktor yaitu tujuan pembelajaran, bahan ajar yang digunakan, kegiatan belajar

mengajar, metode, alat, sumber dan evaluasi proses belajar mengajar. Sedangkan

menurut Margono (2003) faktor-faktor tersebut adalah mahasiswa, dosen, tujuan

belajar, materi pelajaran, sarana belajar, interaksi antara mahasiswa dan materi,

interaksi antara dosen dan mahasiswa, interaksi antara mahasiswa dan mahasiswa

dan lingkungan belajar.

Tingkat kesuksesan pembelajaran pada perguruan tinggi dapat diukur dari

opini mahasiswa tentang proses pembelajaran. Opini atau komentar mahasiswa

mengenai proses pembelajaran biasanya disimpan pada sistem evaluasi

pembelajaran, yaitu dimana mahasiswa memberikan penilaian kepada dosen

matakuliah sesuai dengan kinerja dosen saat mengajar. Pada umumnya, sistem

evaluasi pembelajaran hanya memberikan beberapa pertanyaan dan menyediakan

jawaban berupa pilihan ganda. Tapi pada kenyataannya pertanyaan yang tersedia

belum mewakili beberapa keluhan mahasiswa mengenai dosen dan proses

perkuliahan. Komentar mahasiswa biasanya berisi saran dan kritik mengenai

dosen dan proses perkuliahan. Dalam komentar tersebut mengandung nilai

sentimen positif dan negatif yang dapat dijadikan pelengkap penilaian kinerja

dosen.

Klasifikasi data menjadi salah satu permasalahan yang sering diangkat dalam

data mining. Text mining merupakan penerapan konsep dan teknik data mining

untuk mencari pola dalam teks. Dalam klasifikasi teks ada beberapa metode yang

sering digunakan, metode Cosine Similarity, Naïve Bayes Classifier (NBC) dan

2

Support Vector Machine (SVM). Metode Cosine Similarity merupakan salah satu

metode untuk menghitung similaritas dokumen. Kelebihan utama dari metode

Cosine Similarity adalah tidak terpengaruh pada panjang pendeknya suatu

dokumen (Rozas dan Sarno, 2011). Selain itu Cosine Similarity memiliki akurasi

yang tinggi ketika dihadapkan pada klasifikasi dengan kelas yang banyak

jenisnya (Bhattacharjee dkk. 2015). Sedangkan algoritma Naive Bayes Classifier

(NBC) Sederhana namun memiliki kecepatan dan akurasi yang tinggi (Rish,

2001). Pada penelitian yang dilakukan Oleh Domingos dan Pazzani (1997) Naïve

Bayes dapat bekerja dengan baik bahkan dengan adanya kehadiran dari fitur yang

memiliki dependensi yang kuat pada dataset. Dengan permasalahan ini, metode

klasifikasi Naïve Bayes sangat sesuai apabila digunakan, sebab Naïve Bayes

Classifier (NBC) masih mampu bekerja dengan baik dengan ukuran data training

yang kecil (Kohavi, 1996) (Domingos dan Pazzani, 1997).

Selain itu, algoritma Naïve Bayes Classifier (NBC) yang sederhana dan

kecepatannya yang tinggi dalam proses pelatihan dan klasifikasi (Kotsiantis,

2007) membuat algoritma ini menarik untuk digunakan sebagai salah satu metode

klasifikasi. Dengan karakteristik tersebut di atas, maka metode klasifikasi Naïve

Bayes sesuai jika digunakan pada penelitian ini. Sebagai pembanding akan

digunakan metode Support Vector Machine (SVM). Kotsiantis (2007)

memperlihatkan pada penelitiannya bahwa akurasi dari metode SVM lebih besar

jika dibandingkan dengan metode klasifikasi yang lainnya, memiliki kecepatan

klasifikasi yang tinggi, dan toleransi yang tinggi terhadap attribut yang tidak

relevan.

Dalam proses penyelesaian analisis sentimen dan klasifikasi biasanya

menggunakan satu metode saja, namun dalam penielitian ini menggunakan

kombinasi dari algoritme atau metode untuk mendapatkan kemampuan yang

lebih dalam penyelesaian masalah. Penelitian ini mencoba melakukan klasifikasi

dan analisis sentimen pada komentar mahasiswa dalam bahasa indonesia. Metode

K-NN berbasis Cosine Similarity digunakan untuk proses klasifikasi komentar.

Kombinasi melalui metode Supervised (Machine Learning), digunakan untuk

proses analisis sentimen. metode Supervised (Machine Learning) yang digunakan

3

adalah metode Naïve Bayes Classifier (NBC) dan Support Vector Machine

(SVM).

1.2 Rumusan Masalah

Berdasarkan latar belakang masalah di atas maka rumusan masalah dalam

penelitian ini adalah bagaimana membangun model klasifikasi komentar

mahasiswa?

1.3 Batasan Masalah

Batasan dalam penelitian ini diantaranya:

1. Penelitian ini hanya melakukan analisis terhadap komentar dalam bahasa

Indonesia

2. Data yang digunakan dalam penelitian ini adalah data komentar pada Sistem

Evaluasi Pembelajaran Universitas Islam Negeri (UIN) Sunan Kalijaga

Yogyakarta.

3. Penelitian ini melakukan klasifikasi komentar dengan menggunakan metode

K-NN berbasis Cosine Similarity ke dalam empat kelas kategori diantaranya

cara mengajar, cara penilaian, ketepatan waktu, dan pemberian tugas

(Pedoman kegiatan akademik UIN Sunan Kalijaga, 2013).

4. Metode Supervised (machine learning) yang digunakan untuk

mengklasifikasikan polaritas sentimen positif dan negatif adalah Naïve Bayes

Classifier (NBC) dan sebagai pembanding digunakan metode Support Vector

Machine (SVM).

1.4 Tujuan Penelitian

Tujuan yang ingin dicapai dalam penelitian ini adalah melakukan analisis

sentimen dan klasifikasi komentar mahasiswa berbahasa Indonesia menggunakan

metode K-NN berbasis Cosine Similarity dikombinasikan dengan Supervised

Model.

4

1.5 Manfaat Penelitian

Manfaat dalam penelitian ini adalah untuk membantu pihak universitas

mengetahui tanggapan terhadap dosen matakuliah melalui kritik dan saran yang

diambil dari komentar mahasiswa. Selain itu, penelitian ini dapat digunakan oleh

pihak universitas dalam mengambil kebijakan dalam pemberian beban mengajar

terhadap dosen sesuai dengan hasil klasifikasi.

1.6 Keaslian Penelitian

Penelitian yang dilakukan terkait permasalahan analisis sentimen dan

klasifikasi komentar hingga saat ini telah banyak dilakukan oleh peneliti

sebelumnya. Namun, Berdasarkan pada referensi dan tinjauan pustaka, penelitian

yang diajukan sebagai Tesis S2 Ilmu Komputer Universitas Gadjah mada

Yogyakarta mengenai kombinasi metode Cosine Similarity dengan metode

Supervised (machine learning) untuk menyelesaikan permasalahan analisis

sentimen dan klasifikasi komentar mahasiswa pada sistem evaluasi pembelajaran,

belum pernah dilakukan.

1.7 Metode penelitian

Berikut ini adalah tahapan-tahapan dan metode yang dilakukan dalam

penelitian ini:

1. Studi Pustaka

Studi pustaka dilakukan dengan mengumpulkan kebutuhan berupa referensi

yang terkait dengan penelitian diantaranya jurnal penelitian, tesis terdahulu,

prosiding, buku-buku, dan artikel-artikel dari internet.

2. Pengumpulan data

Pengumpulan data dilakukan dengan mengumpulkan data komentar yang

terdapat pada sistem evaluasi pembelajaran UIN Sunan Kalijaga Yogyakarta.

3. Perancangan Sistem

Pada tahap ini, dirancang alur sistem yang dibangun seperti yang dijelaskan

secara lebih mendetail di BAB 4. Tampilan antar muka keseluruhan system

juga dirancang pada tahap ini.

5

4. Implementasi

Pada tahap ini, hasil rancangan system dikembangkan menjadi perangkat

lunak menggunakan bahasa pemrogaman python serta beberapa tools

bantuan

5. Pengujian dan Evaluasi

Pengujian sistem dilakukan setelah proses pelatihan kemudian dilanjutkan

dengan proses evaluasi dengan pengecekan akurasi hasil pengujian.

1.8 Sistematika Penulisan

Penelitian ini disusun berdasarkan sistematika penulisan sebagai berikut:

BAB I PENDAHULUAN

Pendahuluan berisi uraian singkat mengenai latar belakang, rumusan

masalah, batasan masalah, tujuan penelitian, manfaat penelitian,

keaslian penelitian dan sistematika penulisan tesis.

BAB II TINJAUAN PUSTAKA

Tinjauan pustaka membahas tentang penelitian-penelitian terdahulu

yang terkait dengan penelitian ini. Selain itu, pada bab ini juga

diuraikan tentang perbandingan metode antara penelitian ini dengan

penelitian yang telah ada sebelumnya.

BAB III LANDASAN TEORI

Landasan teori memuat tentang teori-teori dasar terkait dengan

penelitian yang dilakukan dan menjadi dasar dalam memecahkan

masalah dalam penelitian ini.

BAB IV ANALISIS DAN PERANCANGAN SISTEM

Bab ini membahas analisis dan perancangan sistem yang akan

dibangun. Uraian pada bab ini mencakup rancangan arsitektur tipe,

dan rancangan interface system.

BAB V IMPLEMENTASI

Bab ini berisi potongan kode program (sourcecode) dan interface

system dari implementasi system yang telah dihasilkan.

6

BAB VI HASIL DAN PEMBAHASAN

Hasil dan pembahasan berisi tentang hasil dari implementasi sistem

dan hasil penelitian berupa hasil analisis sentiment serta klasifikasi

sentimen. Selanjutnya hasil tersebut dibahas apakah sudah menjawab

rumusan masalah dan mencapai tujuan penelitian.

BAB VII KESIMPULAN DAN SARAN

Kesimpulan dan saran berisi kesimpulan dari hasil penelitian yang

telah dilakukan. Kesimpulan diambil berdasarkan hasil dan

pembahasan pada bab sebelumnya. Selanjutnya, kekurangan yang ada

pada sistem dimasukkan ke dalam saran untuk pengembangan

penelitian di masa yang akan datang.