<![CDATA[Penelitian ini mengkaji adaptasi domain model BERT untuk analisis sentimen terhadap evaluasi akademik mahasiswa di Universitas Wirahusada Medan. Teks evaluasi akademik sering kali mengandung terminologi khusus bidang tertentu, ungkapan informal, serta distribusi sentimen yang tidak seimbang, sehingga menurunkan efektivitas model bahasa pralatih yang bersifat umum. Penelitian ini menerapkan strategi fine-tuning dengan pendekatan Domain-Adaptive Pretraining (DAPT) pada dataset berlabel yang berisi umpan balik mahasiswa. Desain eksperimen membandingkan model BERT dasar (baseline) dengan BERT yang telah diadaptasi domain menggunakan metode stratified 5-fold cross-validation. Kinerja model dievaluasi menggunakan metrik accuracy, precision, recall, F1-score, dan Area Under the Curve (AUC). Uji signifikansi statistik dilakukan dengan paired t-test dan uji McNemar untuk memvalidasi perbedaan performa antar model. Hasil penelitian menunjukkan bahwa adaptasi domain secara signifikan meningkatkan kinerja klasifikasi, khususnya dalam menangani sentimen netral dan negatif. Model yang telah diadaptasi memperoleh nilai F1-score yang lebih tinggi serta menunjukkan kemampuan generalisasi yang lebih baik di setiap fold pengujian. Temuan ini menegaskan bahwa adaptasi spesifik domain mampu meningkatkan ketahanan (robustness) dan keandalan model berbasis transformer dalam sistem penjaminan mutu akademik, serta mendukung pengambilan keputusan berbasis data dalam manajemen pendidikan tinggi.]]>
