ANALISIS SENTIMEN ULASAN SISWA TERHADAP PEMBELAJARAN BAHASA ARAB MENGGUNAKAN DEEP LEARNING DI SDIT KHAIRUR RAHMAN

Abstract

ABSTRAK: Deep learning mendorong lembaga pendidikan untuk mengalihkan pembelajaran dari tatap muka ke daring, yang menghasilkan respons beragam dari siswa dalam hal motivasi, efektivitas, dan interaksi. Meskipun penelitian sebelumnya telah mengkaji efektivitas pembelajaran daring secara umum, hanya sedikit yang meneliti sentimen siswa menggunakan analisis teks berbasis deep learning. Penelitian ini bertujuan untuk menganalisis ulasan siswa terhadap pembelajaran daring di SDIT Khairur Rahman melalui klasifikasi sentimen menggunakan model Long Short-Term Memory (LSTM). Sebanyak 20 ulasan siswa dikumpulkan dan diberi label secara manual sebagai positif, netral, atau negatif. Data kemudian melalui proses prapengolahan teks, tokenisasi, dan pelatihan menggunakan algoritma LSTM untuk mengklasifikasikan sentimen secara otomatis. Model ini mencapai akurasi sebesar 88,3%, dengan nilai precision, recall, dan F1-score masing-masing sebesar 87,1%, 86,5%, dan 86,8%. Analisis menunjukkan bahwa 52% ulasan siswa mengungkapkan sentimen negatif, 28% positif, dan 20% netral. Temuan ini menegaskan perlunya peningkatan interaksi guru dan siswa, kualitas media pembelajaran, serta dukungan teknis dalam sistem pembelajaran daring, sehingga memberikan wawasan berharga bagi pendidik dan pembuat kebijakan.