KLASIFIKASI KELUHAN MURID MENGGUNAKAN DEEP NEURAL NETWORK DAN WORD2VEC (STUDI KASUS MTS PERSIS CIGANITRI)
##plugins.themes.academic_pro.article.main##
Abstract
Penerimaan kritik dan saran merupakan sebuah hal yang dapat membuat sebuah instansi dapat berkembang dan menjadi lebih baik. MTS Persis Ciganitri merupakan sebuah isntansi Pendidikan yang menyediakan tempat bagi murid menyampaikan kritik dan saran yang berpusat pada aplikasi desktop yang tersedia di computer sekolah. Selama tahun 2021-2023, didapatkan data keluhan sebanyak 754 data keluhan yang disampaikan murid, untuk mengetahui kategori mengenai hal yang dikeluhkan, selama ini sekolah melakukan pemisahan kategori keluhan secara manual melalui Ms Excel dan membutuhkan waktu yang cukup lama. Tujuan penelitian ini yaitu untuk melakukan klasifikasi keluhan sehingga data yang ada dapat dikategorikan secara otomatis tanpa membutuhkan SDM melakukan pemisahan kategori secara manual. Metode yang digunakan pada penelitian ini yaitu metode Deep Neural Network untuk proses klasifikasi dikarenakan cara kerjanya yang baik dalam data yang berupa teks dan metode Word2Vec sebagai metode representasi teks. Hasil dari penelitian ini yaitu akurasi model yang diusulkan sebesar 82,9% dengan kategori keluhan yaitu fasilitas, tenaga pengajar dan materi pelajaran.
##plugins.themes.academic_pro.article.details##
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Pemberitahuan Hak Cipta
Usulan kebijakan untuk jurnal yang menawarkan akses terbuka Syarat yang dibutuhkan penulis adalah sebagai berikut:
1. Penulis memegang hak cipta dan memberikan jurnal hak penerbitan pertama secara bersamaan di bawah lisensi di bawah Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0), yang mengizinkan orang lain untuk menyalin dan mendistribusikan ulang materi ini dalam bentuk atau format apa pun termasuk menyusun, memodifikasi, dan membuat turunan materi ini untuk tujuan apa pun, termasuk tujuan komersial.
2. Penulis dapat membuat pengaturan kontrak terpisah untuk distribusi non-eksklusif dari versi dekaden publikasi jurnal (misalnya mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan mengakui publikasi aslinya di jurnal ini.
3. Penulis diizinkan dan didorong untuk memposting artikel secara online (misalnya di repositori institusional atau di situs web mereka) seperti pada Garuda, Academia, researchgate atau repository lainnya sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif dan kutipan artikel yang diterbitkan lebih awal dan lebih maju (periksa: Efek Akses Terbuka)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
Antares, J. (2021). Artificial Neural Network Dalam Mengidentifikasi Penyakit Stroke Menggunakan Metode Backpropagation (Studi Kasus di Klinik Apotik Madya Padang). Djtechno: Jurnal Teknologi Informasi, 1(1), 6–13. https://doi.org/10.46576/djtechno.v1i1.965
Iflaha, N., & Sudarsono, S. (2022). Penerapan Konsep Deming Sebagai Upaya Pengembangan Mutu Pendidikan Di MA Darussalam Jember. Widya Balina, 7(2), 500–509. https://doi.org/10.53958/wb.v7i2.158
Jatnika, D. R. (2023). Analisis Sentimen Kelangkaan Minyak Goreng Menggunakan Metode Deep Neural Network dan Pembobotan Hybrid TF-IDF. https://etd.umm.ac.id/id/eprint/1373/
Ma’rifah, H., Wibawa, A. P., & Akbar, M. I. (2020). Klasifikasi Artikel Ilmiah Dengan Berbagai Skenario Preprocessing. Sains, Aplikasi, Komputasi Dan Teknologi Informasi, 2(2), 70. https://doi.org/10.30872/jsakti.v2i2.2681
Nurdin, A., Anggo, B., Aji, S., Bustamin, A., & Abidin, Z. (2020). PERBANDINGAN KINERJA WORD EMBEDDING WORD2VEC, GLOVE, DAN FASTTEXT PADA KLASIFIKASI TEKS. Jurnal TEKNOKOMPAK, 14(2), 74.
Nurjaningsih, S. T., & Qonita, A. (2019). Jurnal Tata Kelola Pendidikan MANAJEMEN PENERIMAAN PESERTA DIDIK BARU (PPDB) SISTEM ZONASI. Jurnal Tata Kelola Pendidikan, 1(2), 126–138. https://ejournal.upi.edu/index.php/jtkp
Pipin, S., & Kurniawan, H. (2022). Analisis Sentimen Kebijakan MBKM Berdasarkan Opini Masyarakat di Twitter Menggunakan LSTM. Jurnal SIFO Mikroskil, 23(2), 197–208. https://doi.org/10.55601/jsm.v23i2.900
Sandi, S. A., & Novianto, Y. (2023). Klasifikasi Kelayakan Keluarga Penerima Bantuan Langsung Tunai Menggunakan Gain Ratio Dan Naïve Bayes. Jurnal Informatika Dan Rekayasa Komputer (Jakakom), 3(1), 433-442.
Suartika E. P, I Wayan, Wijaya Arya Yudhi, S. R. (2016). Klasifikasi Citra Menggunakan Convolutional Neural Network (Cnn) Pada Caltech 101. Jurnal Teknik ITS, 5(1), 76. http://repository.its.ac.id/48842/
Wukir. (2019). Analisis Disiplin Kerja Dan Kinerja Guru Sd Negeri 040475 Tigaserangkai. Jurnal Manajemen, 3(1), 7–46. http://portaluniversitasquality.ac.id:55555/427/