<![CDATA[Abstrak - Perkembangan teknologi informasi memungkinkan mahasiswa mengekspresikan perasaan dan pengalaman akademik mereka melalui teks, salah satunya terkait pengerjaan tugas akhir atau skripsi. Namun, analisis emosi mahasiswa secara manual terhadap data teks dalam jumlah besar membutuhkan waktu dan berpotensi menimbulkan subjektivitas. Oleh karena itu, penelitian ini bertujuan untuk mengimplementasikan algoritma Vector Space Model (VSM) pada website EmoAnalyzer untuk mengklasifikasikan emosi mahasiswa berdasarkan komentar teks. Data yang digunakan berjumlah 150 komentar mahasiswa Universitas Negeri Surabaya yang diperoleh melalui kuesioner dan diklasifikasikan ke dalam tiga kategori emosi, yaitu senang, sedih, dan marah. Tahapan penelitian meliputi pengumpulan data, pelabelan data menggunakan kamus Lexicon bahasa Indonesia, text preprocessing, pembobotan TF-IDF, serta perhitungan cosine similarity menggunakan VSM. Hasil penelitian menunjukkan bahwa website EmoAnalyzer mampu mengklasifikasikan emosi mahasiswa dan menyajikan hasil analisis dalam bentuk persentase dan visualisasi grafik. Implementasi algoritma VSM pada EmoAnalyzer dapat menjadi solusi untuk membantu memantau kondisi emosional mahasiswa selama proses pengerjaan tugas akhir.Kata kunci: Vector Space Model; Website; Text Mining; Emosi; Mahasiswa; Abstract - The development of information technology allows students to express their feelings and academic experiences through texts, one of which is related to working on their final project or thesis. However, manual analysis of students' emotions on large amounts of text data takes time and has the potential to cause subjectivity. Therefore, this study aims to implement the Vector Space Model (VSM) algorithm on the EmoAnalyzer website to classify students' emotions based on text comments. The data used amounted to 150 comments of State University of Surabaya students obtained through questionnaires and classified into three categories of emotions, namely happy, sad, and angry. The research stages include data collection, data labeling using the Indonesian Lexicon dictionary, text preprocessing, TF-IDF weighting, and cosine similarity calculation using VSM. The results of the study show that the EmoAnalyzer website is able to classify students' emotions and present the results of the analysis in the form of percentages and graph visualizations. The implementation of the VSM algorithm on EmoAnalyzer can be a solution to help monitor students' emotional state during the process of working on the final project.Keywords: Vector Space Model; Website; Text Mining; Emotion; Student;]]>
