ANALISIS SENTIMEN MAHASISWA TERHADAP LAYANAN AKADEMIK MENGGUNAKAN LARGE LANGUAGE MODEL (LLM) BERBAHASA INDONESIA

Abstract

Perkembangan Large Language Model (LLM) telah memberikan kemajuan yang signifikan dalam bidang Natural Language Processing (NLP), termasuk pada analisis sentimen. Perguruan tinggi sebagai penyelenggara layanan akademik memerlukan mekanisme yang efektif untuk memahami persepsi mahasiswa terhadap kualitas layanan yang diberikan. Analisis sentimen terhadap umpan balik mahasiswa dapat menjadi sumber informasi yang berharga dalam proses evaluasi dan peningkatan mutu layanan akademik. Penelitian ini bertujuan untuk menganalisis sentimen mahasiswa terhadap layanan akademik menggunakan Large Language Model (LLM) berbahasa Indonesia sehingga diperoleh klasifikasi sentimen positif, negatif, dan netral secara lebih akurat.

Penelitian ini menggunakan metode kuantitatif dengan pendekatan eksperimen. Data penelitian berupa komentar atau ulasan mahasiswa mengenai layanan akademik yang diperoleh melalui kuesioner maupun media digital kampus. Data kemudian melalui tahapan preprocessing yang meliputi pembersihan teks, normalisasi, tokenization, dan penghapusan stopwords. Selanjutnya, data dianalisis menggunakan Large Language Model (LLM) berbahasa Indonesia untuk mengklasifikasikan sentimen. Kinerja model dievaluasi menggunakan metrik Accuracy, Precision, Recall, dan F1-Score.

Hasil penelitian menunjukkan bahwa penggunaan Large Language Model (LLM) berbahasa Indonesia mampu mengidentifikasi sentimen mahasiswa terhadap layanan akademik dengan tingkat akurasi yang baik. Selain mampu memahami konteks bahasa Indonesia secara lebih alami, model juga efektif dalam mengklasifikasikan opini mahasiswa ke dalam kategori positif, negatif, dan netral. Temuan penelitian ini diharapkan dapat menjadi dasar bagi perguruan tinggi dalam mengevaluasi kualitas layanan akademik serta mendukung pengambilan keputusan yang lebih tepat melalui pemanfaatan teknologi kecerdasan buatan.