BAB I PENDAHULUAN 1.1 Latar...
-
Upload
vuongxuyen -
Category
Documents
-
view
219 -
download
0
Transcript of BAB I PENDAHULUAN 1.1 Latar...
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.