Analisis Perbandingan Kinerja IndoBERT dan TF-IDF dalam Mengklasifikasikan Sentimen EDOM Menggunakan Algoritma K-Nearest Neighbor: Comparative Analysis of IndoBERT and TF-IDF Performance in Classifying EDOM Sentiments Using the K-Nearest Neighbor Algorithm

Tifanny Nabarian; Siti Nurhalizah; Salman El Farisi

doi:10.57152/malcom.v6i2.2614

Authors

Tifanny Nabarian Sekolah Tinggi Teknologi Terpadu Nurul Fikri
Siti Nurhalizah Sekolah Tinggi Teknologi Terpadu Nurul Fikri
Salman El Farisi Sekolah Tinggi Teknologi Terpadu Nurul Fikri

DOI:

https://doi.org/10.57152/malcom.v6i2.2614

Keywords:

Analisis Sentimen, Evaluasi Dosen, IndoBERT, K-Nearest Neighbor, TF-IDF

Abstract

Dalam konteks pendidikan tinggi, dosen berkontribusi besar terhadap peningkatan kualitas pembelajaran. Di Sekolah Tinggi Teknologi Terpadu Nurul Fikri (STT NF), Evaluasi Dosen oleh Mahasiswa (EDOM) dilaksanakan setiap akhir semester dan menghasilkan data komentar mahasiswa. Namun, analisis masih dilakukan secara manual sehingga kurang efisien dan berpotensi subjektif. Selain itu, belum terdapat kajian komparatif mengenai metode representasi yang sesuai untuk digunakan bersama algoritma K-Nearest Neighbor (KNN) khususnya pada data EDOM. Tujuan dari penelitian ini adalah menganalisis dan membandingkan kinerja IndoBERT dan TF-IDF dalam merepresentasikan teks untuk klasifikasi sentimen komentar EDOM menggunakan KNN. Metode penelitian mengacu pada tahapan CRISP-DM dengan dataset komentar EDOM tahun 2024. Hasil penelitian menunjukkan bahwa IndoBERT+KNN menghasilkan accuracy sebesar 0,903 serta menunjukkan nilai precision, recall, dan F1-score yang lebih seimbang antarkelas dibandingkan TF-IDF+KNN yang memperoleh accuracy sebesar 0,820 dengan performa metrik evaluasi yang cenderung kurang seimbang antarkelas. Hasil ini menunjukkan representasi kontekstual IndoBERT lebih efektif dalam menangani kompleksitas komentar EDOM dan algoritma KNN yang berbasis jarak dibandingkan dengan pendekatan berbasis frekuensi kata pada TF-IDF. Berdasarkan temuan tersebut, penelitian ini memberikan pemilihan metode representasi teks yang lebih optimal untuk pengembangan analisis sentimen secara lebih objektif dan efisien

Downloads

Download data is not yet available.

References

UU. “Undang-Undang Republik Indonesia Nomor 14 Tahun 2005 tentang Guru dan Dosen,” 2005. Accessed: Nov. 23, 2025. [Online]. Available: https://peraturan.bpk.go.id/Details/40266/uu-no-14-tahun-2005

P. M. Abraham and K. R. K. U. R, “Feature Based Sentiment Analysis of Mobile Product Reviews using Machine Learning Techniques,” International Journal of Advanced Trends in Computer Science and Engineering, vol. 9, no. 2, pp. 2289–2296, Apr. 2020, doi: 10.30534/ijatcse/2020/210922020.

W. M. Munandar, “Sentiment Analysis of Student Comment on the College Performance Evaluation Questionnaire Using Naïve Bayes and IndoBERT,” Nov. 2023. doi: https://doi.org/10.30595/juita.v11i2.17336.

I. B. Ketut and S. Arnawa, “Analisis Sentimen pada Media Sosial Terhadap Perkuliahan Hybrid Menggunakan Algoritma TF IDF dan K Nearest Neighbor,” JSI, vol. 17, no. Vol 17 No 1 (2022): Jurnal Sistem dan Informatika (JSI), pp. 40–46, Apr. 2023, doi: https://doi.org/10.30864/jsi.v17i1.495.

F. Acito, “k Nearest Neighbors,” in Predictive Analytics with KNIME, Cham: Springer Nature Switzerland, 2023, pp. 209–227. doi: 10.1007/978-3-031-45630-5_10.

R. Dila and A. Ramadhanu, “Penerapan Hybrid Intelligence System Untuk Klasifikasi Sentimen Eyeliner, Lipstik dan HandBody Menggunakan Metode KNN dan PCA,” JATI(Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 2, Apr. 2025, doi: https://doi.org/10.36040/jati.v9i2.13099.

D. Septiani and I. Isabela, “Analisis Term Frequency Inverse Document Frequency (TF-IDF) Dalam Temu Kembali Informasi Pada Dokumen Teks,” SINTESIA: Jurnal Sistem dan Teknologi Informasi Indonesia, no. Vol. 1 No. 2 (2022): SINTESIA, Oct. 2023, Accessed: Nov. 04, 2025. [Online]. Available: https://journal.unj.ac.id/unj/index.php/SINTESIA/article/view/39364

S. Dharmawan, Viny, C. Mawardi, Novario, and J. Perdana, “Klasifikasi Ujaran Kebencian Menggunakan Metode FeedForward Neural Network (IndoBERT),” Jun. 2023. doi: https://doi.org/10.24912/jiksi.v11i1.24066.

M. Hafizh Mahendra, D. Triantoro Murdiansyah, and K. Muslim Lhaksmana, “Analisis Sentimen Tweet COVID-19 Menggunakan Metode K-Nearest Neighbors dengan Ekstraksi Fitur TF-IDF dan CountVectorizer,” Dike?: Jurnal Ilmu Multidisiplin, pp. 37–43, Aug. 2023, doi: https://doi.org/10.69688/dike.v1i2.35.

K. Mustaqim, F. A. Amaresti, and I. N. Dewi, “Analisis Sentimen Ulasan Aplikasi PosPay untuk Meningkatkan Kepuasan Pengguna dengan Metode K-Nearest Neighbor (KNN),” Edumatic: Jurnal Pendidikan Informatika, vol. 8, no. 1, pp. 11–20, Jun. 2024, doi: 10.29408/edumatic.v8i1.24779.

A. Amrullah, “Analisis Sentimen Publik terkait Migrasi Tenaga Kerja Indonesia di Platform X menggunakan SVM-IndoBERT,” Jurnal UJMC, vol. 11, no. 1, pp. 53–63, Jun. 2025, doi: https://doi.org/10.52166/ujmc.v11i1.9891.

A. Putri, S. Agustian, Jasril, and I. Afrianty, “Eksplorasi Fitur FastText, TF-IDF dan IndoBERT Pada Metode K-Nearest Neighbor Untuk Klasifikasi Sentimen,” Jan. 2025. doi: https://doi.org/10.31849/zn.v7i1.24779.

N. A. H. Syifa, A. Nugroho, and R. Firliana, “Perbandingan Algoritma Naïve Bayes Classifier Dan K-Nearest Neighbors Untuk Analisis Sentimen Covid-19 Di Twitter,” JIF, Mar. 2023, doi: https://doi.org/10.33884/jif.v11i01.7069.

D. Muhidin and A. Wibowo, “Perbandingan Kinerja Algoritma Support Vector Machine Dan K-Nearest Neighbor Terhadap Analisis Sentimen Kebijakan New Normal,” STRING, vol. 15, Dec. 2020.

Y. MZ, J. E. Bororing, and N. Fuadiah, “Penerapan Metode K-Nearest Neighbor dan Decision Tree Untuk Analisis Sentimen (Studi Kasus Mario Dandi),” IJITECH(Indonesian Journal Of Information Technology), Dec. 2023, doi: https://doi.org/10.71155/fcy1h865.

M. E. Siregar, S. Dermawan, and A. A. Hisyam, “Perbandingan Kinerja Naive Bayes dan KNN Dalam Analisis Sentimen Komentar X dengan dan Tanpa Text Preprocessing (Studi Kasus: Danantara),” Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 3, Jul. 2025, doi: 10.23960/jitet.v13i3.6612.

M. Furqan, S. Mayang Sari, and P. Ilmu Komputer Fakultas Sains dan Teknologi, “Analisis Sentimen Menggunakan K-Nearest Neighbor Terhadap New Normal Masa Covid-19 Di Indonesia Sentiment Analysis using K-Nearest Neighbor towards the New Normal During the Covid-19 Period in Indonesia,” Techno.COM, vol. 21, no. 1, pp. 52–61, Feb. 2022, [Online]. Available: www.tripadvisor.com

V. Meida Hersianty, E. Larasati Amalia, D. Puspitasari, and D. Wahyu Wibowo, “Penerapan Algoritma TF-IDF Dan Cosine Similarity Dalam Sistem Rekomendasi Lowongan Pekerjaan,” Feb. 2025. doi: https://doi.org/10.36040/jati.v9i1.12406.

F. Koto, A. Rahimi, J. H. Lau, and T. Baldwin, “IndoLEM and IndoBERT: A Benchmark Dataset and Pre-trained Language Model for Indonesian NLP,” Nov. 2020, [Online]. Available: http://arxiv.org/abs/2011.00677

A. Pratama Putra, “Pengukuran Tingkat Akurasi Pada Ulasan E-Commerce Menggunakan Metode INDOBERT Dengan Optimizer Adam,” Jurnal Komputer, Informasi dan Teknologi, vol. 5, no. 1, pp. 1–15, 2025, doi: 10.53697/jkomitek.v5i1.

B. Wilie et al., “IndoNLU: Benchmark and Resources for Evaluating Indonesian Natural Language Understanding,” Oct. 2020, [Online]. Available: http://arxiv.org/abs/2009.05387

Wildan Amru Hidayat and V. R. S. Nastiti, “Perbandingan Kinerja Pre-Trained IndoBERT-Base dan IndoBERT-Lite Pada Klasifikasi Sentimen Ulasan TikTok Tokopedia Seller Center Dengan Model IndoBERT,” JSiI (Jurnal Sistem Informasi), vol. 11, no. 2, pp. 13–20, Sep. 2024, doi: 10.30656/jsii.v11i2.9168.

J. Homepage, S. R. Cholil, T. Handayani, R. Prathivi, and T. Ardianita, “Implementasi Algoritma Klasifikasi K-Nearest Neighbor (KNN) Untuk Klasifikasi Seleksi Penerima Beasiswa,” Jul. 2021. doi: https://doi.org/10.31294/ijcit.v6i2.10438.

N. Dewi and R. E. Putra, “Pengembangan Sistem Analisis Sentimen Masyarakat Terhadap Chatgpt Pada Twitter Dengan Perbandingan Metode Naive Bayes Classifier Dan K-Nearest Neighbors,” JINACS(Journal of Informatics and Computer Science), vol. 5, 2023, doi: https://doi.org/10.26740/jinacs.v5n03.p344-357.

R. Nurhidayat and K. E. Dewi, “Penerapan Algoritma K-Nearest Neighbor dan Fitur Ekstrasi N-Gram dalam Analisis Sentimen Berbasis Aspek,” Komputa?: Jurnal Ilmiah Komputer dan Informatika, vol. 12, no. 1, May 2023, doi: https://doi.org/10.34010/komputa.v12i1.9458.