https://journal.universitasaudi.ac.id/index.php/JPM <p>JOURNAL PREVALENT MULTIDISCIPLINARY adalah sebuah publikasi ilmiah yang bertujuan untuk menyebarkan informasi mengenai hasil penelitian lintas disiplin kepada dosen, mahasiswa, dan institusi terkait, terutama di Indonesia, dengan tujuan untuk meningkatkan Indeks Pembangunan Manusia Indonesia. JOURNAL PREVALENT MULTIDISCIPLINARY merupakan koleksi karya ilmiah yang berisi hasil penelitian yang dilakukan oleh para peneliti, baik dosen maupun mahasiswa. Publikasi ini mencakup studi ilmiah dari berbagai bidang ilmu pengetahuan. Jurnal ini juga menerima kontribusi penulis dari dalam dan luar lingkungan Universitas Audi Indonesia. Frekuensi publikasi JOURNAL PREVALENT MULTIDISCIPLINARY adalah 3 (Tiga) kali dalam setahun, yakni pada bulan <strong>April, Agustus, dan Desember.</strong></p> UNIVERSITAS AUDI INDONESIA en-US JOURNAL PREVALENT MULTIDISCIPLINARY https://journal.universitasaudi.ac.id/index.php/JPM/article/view/584 <p>Perkembangan <strong>Large Language Model (LLM)</strong> telah memberikan kemajuan yang signifikan dalam bidang <strong>Natural Language Processing (NLP)</strong>, 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 <strong>Large Language Model (LLM) berbahasa Indonesia</strong> sehingga diperoleh klasifikasi sentimen positif, negatif, dan netral secara lebih akurat.</p> <p>Penelitian ini menggunakan metode <strong>kuantitatif</strong> dengan pendekatan <strong>eksperimen</strong>. Data penelitian berupa komentar atau ulasan mahasiswa mengenai layanan akademik yang diperoleh melalui kuesioner maupun media digital kampus. Data kemudian melalui tahapan <em>preprocessing</em> yang meliputi pembersihan teks, normalisasi, <em>tokenization</em>, dan penghapusan <em>stopwords</em>. Selanjutnya, data dianalisis menggunakan <strong>Large Language Model (LLM)</strong> berbahasa Indonesia untuk mengklasifikasikan sentimen. Kinerja model dievaluasi menggunakan metrik <strong>Accuracy</strong>, <strong>Precision</strong>, <strong>Recall</strong>, dan <strong>F1-Score</strong>.</p> <p>Hasil penelitian menunjukkan bahwa penggunaan <strong>Large Language Model (LLM)</strong> 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.</p> Yogi Eriawan Bagakin Simaibang ##submission.copyrightStatement## 2024-08-29 2024-08-29 3 2