Analisis Komprehensif Feedback Mahasiswa Terhadap Kurikulum, Dosen, Dan Fasilitas Di Stmik Mardira Indonesia Menggunakan Pendekatan Statistik Dan Machine Learning Natural Language Processing

Peningkatan mutu perguruan tinggi menuntut analisis feedback mahasiswa yang efektif. Namun, proses analisis di STMIK Mardira Indonesia masih berjalan manual, menyebabkan kesulitan dalam mengolah data kuantitatif dan kualitatif yang bervolume besar secara komprehensif, sehingga banyak wawasan berharga dari komentar mahasiswa yang terlewatkan. Penelitian ini bertujuan untuk merancang dan membangun sebuah sistem terintegrasi yang mampu menganalisis feedback mahasiswa secara otomatis menggunakan pendekatan statistik dan Machine Learning, serta menyajikan hasilnya dalam bentuk dashboard interaktif untuk mendukung pengambilan keputusan berbasis data oleh manajemen. Metodologi yang digunakan adalah pendekatan hibrida, menggabungkan CRISP-DM untuk proses analisis data dan Machine Learning, serta metode Prototype untuk pengembangan sistem. Analisis data dilakukan dengan statistik deskriptif untuk data kuantitatif (skala Likert) dan Natural Language Processing (NLP) dengan model Linear SVM untuk klasifikasi sentimen pada data kualitatif (komentar). Hasil dari penelitian ini adalah sebuah prototipe sistem berbasis web yang berhasil mengintegrasikan pengumpulan dan analisis feedback mahasiswa terhadap kurikulum, dosen, dan fasilitas. Model klasifikasi sentimen menggunakan Linear SVM menunjukkan kinerja yang sangat baik dengan akurasi mencapai 95.2% pada data uji, dan hasilnya berhasil divisualisasikan secara efektif pada dashboard interaktif yang dilengkapi fitur filter dinamis. Dengan demikian, penerapan gabungan pendekatan statistik dan Machine Learning terbukti efektif dalam mengubah data feedback mentah menjadi wawasan yang terstruktur, dan sistem yang dibangun mampu menjadi alat bantu yang valid bagi STMIK Mardira Indonesia untuk meningkatkan mutu layanan pendidikan secara berkelanjutan.
Kata Kunci: Analisis Sentimen, Natural Language Processing (NLP), Machine Learning, Feedback Mahasiswa, Sistem Informasi, Dashboard.