Analisis Sentimen Mahasiswa Terhadap Penggunaan E-Learning dengan Algoritma Support Vector Machine (SVM)

Decode: Jurnal Pendidikan Teknologi Informasi
Vol. 5 No. 2: JULI 2025

Evaluasi sistem e-learning di perguruan tinggi menjadi aspek penting dalam memastikan efektivitas pembelajaran digital, terutama ketika teknologi informasi semakin terintegrasi dalam dunia pendidikan. Penelitian ini bertujuan menganalisis sentimen mahasiswa Universitas Islam Negeri Sumatera Utara (UINSU) terhadap penggunaan e-learning dengan memanfaatkan analisis sentimen berbasis algoritma Support Vector Machine (SVM). Data diperoleh dari 440 komentar mahasiswa melalui kuesioner daring, kemudian setelah pra-pemrosesan diperoleh 400 komentar layak analisis. Data diproses melalui tahapan case folding, cleaning, tokenizing, stopword removal, dan stemming, sebelum direpresentasikan dengan metode Term Frequency-Inverse Document Frequency (TF-IDF) dan diklasifikasikan menggunakan SVM. Hasil penelitian menunjukkan bahwa model SVM mampu mencapai akurasi sebesar 82,5%, dengan distribusi sentimen didominasi kategori netral yang berisi deskripsi informatif, sedangkan sentimen positif menyoroti kemudahan akses dan manfaat praktis, dan sentimen negatif banyak menekankan permasalahan teknis seperti server, error, dan keterbatasan aksesibilitas. Temuan ini mengindikasikan bahwa SVM efektif mengidentifikasi pola persepsi mahasiswa, serta memberikan gambaran objektif mengenai kekuatan dan kelemahan e-learning. Oleh karena itu, penelitian ini dapat dijadikan landasan pengembangan strategi evaluasi dan perbaikan sistem e-learning di perguruan tinggi.