Evaluasi Kinerja IndoBERT dan N-Gram untuk Klasifikasi Umpan Balik Pengajaran

Abstract

Pendidikan adalah proses fundamental yang bertujuan untuk mencerdaskan kehidupan bangsa, dan harus dilaksanakan secara profesional oleh setiap guru. Salah satu pendekatan untuk meningkatkan kualitas pendidikan adalah dengan memperoleh umpan balik dari siswa, yang memungkinkan guru melakukan refleksi diri dan memperbaiki metode pengajarannya. Analisis sentimen membantu mengidentifikasi perasaan yang diungkapkan siswa dalam umpan balik mereka, apakah positif, netral, atau negatif. Selain itu, klasifikasi umpan balik digunakan untuk memperoleh wawasan mengenai berbagai aspek pengajaran. Penelitian ini mencapai tingkat akurasi terbaik sebesar 83,50% untuk klasifikasi umpan balik dan 88,35% untuk analisis sentimen menggunakan algoritma IndoBERT, yang sebelumnya melalui tahap preprocessing dengan metode N-Gram (N1 + N2), melampaui hasil penelitian sebelumnya. Berdasarkan model yang dikembangkan untuk menganalisis umpan balik siswa, dibuatlah sebuah aplikasi berbasis web yang dapat digunakan oleh kepala sekolah dan guru untuk menganalisis umpan balik secara lebih efisien dan efektif. Alat ini dapat menjadi sarana refleksi bersama untuk meningkatkan efektivitas pengajaran di dalam kelas.