Eksplorasi Persepsi Pengguna terhadap Tempat Sampah di Institusi Pendidikan Tinggi Menggunakan Sentiment Analysis dan Text Mining
(1) Telkom University
(2) Telkom University
(3) Telkom University
(4) Telkom University
(*) Corresponding Author
Sari
Pengelolaan sampah di institusi pendidikan tinggi menjadi tantangan yang memengaruhi kebersihan lingkungan kampus dan reputasi institusi. Di Telkom University, permasalahan seperti ketersediaan tempat sampah yang terbatas, penempatan kurang strategis, dan pengangkutan tidak rutin menyebabkan penumpukan sampah, bau tidak sedap, dan gangguan kenyamanan civitas akademika, yang berpotensi menurunkan citra kampus sebagai institusi berwawasan lingkungan. Penelitian ini bertujuan merancang strategi pengelolaan sampah yang efektif dan efisien dengan mengidentifikasi area prioritas penempatan tempat sampah, menentukan lokasi strategis, serta mengoptimalkan frekuensi pengangkutan berdasarkan pemetaan pola keluhan. Metode penelitian menggunakan analisis sentimen dan text mining (wordcloud) dengan Support vector machine (SVM) sebagai algoritma utama karena memiliki akurasi tertinggi (75%) dibandingkan Naive Bayes dan LSTM. Data dikumpulkan melalui kuesioner dari 100 responden menggunakan cluster random sampling dari tujuh fakultas. Hasil penelitian menunjukkan 95 sentimen positif, 49 netral, dan 69 negatif, dengan kata kunci dominan seperti "menggunung", "kepenuhan", dan "bau", yang mencerminkan masalah kapasitas dan kebersihan. Implikasi penelitian memberikan wawasan berbasis data bagi stakeholder dalam merancang ulang penempatan tempat sampah, meningkatkan jadwal pengangkutan, dan menyusun program edukasi, guna mendukung citra Telkom University sebagai kampus hijau berkelanjutan.
Kata kunci: Analisis Sentimen, Tempat Sampah, Wordcloud, Support Vector Machine, Pengelolaan SampahTeks Lengkap:
PDFReferensi
Angiani, G., Ferrari, L., Fontanini, T., Fornacciari, P., Iotti, E., Magliani, F., & Manicardi, S. (t.t.). A Comparison between Preprocessing Techniques for Sentiment Analysis in Twitter. http://alt.qcri.org/semeval2016/task4/
Achmad, F., & Wiratmadja, I. I. (2024). Driving sustainable performance in SMEs through frugal innovation: the nexus of sustainable leadership, knowledge management, and dynamic capabilities. IEEE Access. DOI: 10.1109/ACCESS.2024.3433474
Achmad, F., & Wiratmadja, I. I. (2024). Strategic advancements in tourism development in Indonesia: Assessing the impact of facilities and services using the PLS-SEM approach. Journal Industrial Servicess, 10(1), 49-62.
Achmad, F., Prambudia, Y., & Rumanti, A. A. (2023). Sustainable tourism industry development: A collaborative model of open innovation, stakeholders, and support system facilities. IEEE Access, 11, 83343-83363.
Achmad, F., Prambudia, Y., & Rumanti, A. A. (2023). Improving tourism industry performance through support system facilities and stakeholders: The role of environmental dynamism. Sustainability, 15(5), 4103. DOI: https://doi.org/10.3390/su15054103
Aqlan, A. A. Q., Manjula, B., & Lakshman Naik, R. (2019). A study of sentiment analysis: Concepts, techniques, and challenges. Lecture Notes on Data Engineering and Communications Technologies, 28, 147–162. https://doi.org/10.1007/978-981-13-6459-4_16
Dewilda, Y., & Julianto, J. (2019). Kajian Timbulan, Komposisi, dan Potensi Daur Ulang Sampah Sebagai Dasar Perencanaan Pengelolaan Sampah Kawasan Kampus Universitas Putra Indonesia (UPI). Seminar Nasional Pembangunan Wilayah dan Kota Berkelanjutan, 1(1). https://doi.org/10.25105/PWKB.V1I1.5270
Dharmawan, L. R., Arwani, I., & Ratnawati, D. E. (2020). Analisis Sentimen pada Sosial Media Twitter Terhadap Layanan Sistem Informasi Akademik Mahasiswa Universitas Brawijaya dengan Metode K-Nearest Neighbor (Vol. 4, Nomor 3). http://j-ptiik.ub.ac.id
Dicle, M. F., Research, B. D., & Mandeville, T. A. (2018). Content analysis: Frequency distribution of words. Stata Journal, 18(2), 379–386. https://doi.org/10.1177/1536867X1801800205
Hendra, Y. (2016). Perbandingan Sistem Pengelolaan Sampah di Indonesia dan Korea Selatan: Kajian 5 Aspek Pengelolaan Sampah. Aspirasi: Jurnal Masalah-masalah Sosial, 7(1), 77–91. https://doi.org/10.46807/ASPIRASI.V7I1.1281
Parlika, R., Ilham Pradika, S., Muhammad Hakim, A., & Rachman N.M, K. (2020). Analisis Sentimen Twitter Terhadap Bitcoin dan Cryptocurrency Berbasis Python TextBlob. Jurnal Ilmiah Teknologi Informasi dan Robotika, 2(2). https://doi.org/10.33005/jifti.v2i2.22
Pascawati, N. A., Lustiyati, E. D., Untari, J., & Ramadanti, D. P. (2023). Pengelolaan Sampah di Perguruan Tinggi Sesuai Konsep Green Campus (Studi Kasus: Universitas Respati Yogyakarta). Dinamika Lingkungan Indonesia, 10(2). https://doi.org/10.31258/dli.10.2.p.70-81
Rusli, M. (2020). EKSTRAKSI FITUR MENGGUNAKAN MODEL WORD2VEC PADA SENTIMENT ANALYSIS KOLOM KOMENTAR KUISIONER EVALUASI DOSEN OLEH MAHASISWA. KLIK - KUMPULAN JURNAL ILMU KOMPUTER, 7(1). https://doi.org/10.20527/klik.v7i1.296
Santosa, A., Purnamasari, I., & Mayasari, R. (2022). Pengaruh Stopword Removal dan Stemming Terhadap Performa Klasifikasi Teks Komentar Kebijakan New Normal Menggunakan Algoritma LSTM. J-SAKTI (Jurnal Sains Komputer dan Informatika), 6(1), 81–93. https://doi.org/10.30645/J-SAKTI.V6I1.427
Setiaji, B., Utami, E., & Al Fatta, H. (t.t.). PEMANFAATAN BAHASA ALAMI SEBAGAI ANTAR MUKA APLIKASI NL-FARAID. www.pcre.org
Singh, J., & Gupta, V. (2016). Text stemming: Approaches, applications, and challenges. ACM Computing Surveys, 49(3). https://doi.org/10.1145/2975608
SIPSN - Sistem Informasi Pengelolaan Sampah Nasional. (t.t.). Diambil 26 Januari 2025, dari https://sipsn.menlhk.go.id/sipsn/public/data/timbulan
Supriyanto, B. F. S., & Rosalin, S. (2023). Analisis Sentimen Program Merdeka Belajar dengan Text Analysis Wordcloud & Word Frequency. Jurnal Minfo Polgan, 12(1). https://doi.org/10.33395/jmp.v12i1.12312
Yolanda, A. M., Mulya, R. T., & Mulya, R. T. (2024). Implementasi Metode Support vector machine untuk Analisis Sentimen pada Ulasan Aplikasi Sayurbox di Google Play Store. VARIANSI: Journal of Statistics and Its application on Teaching and Research, 6(02), 76–83. https://doi.org/10.35580/VARIANSIUNM258
DOI: http://dx.doi.org/10.31602/tji.v16i2.18477
Refbacks
- Saat ini tidak ada refbacks.
© 2025 Technologia p-ISSN: 2086-6917 e-ISSN: 2656-8047
-------------------------------------------------------------------------------------------
This work is licensed under a Creative Commons Attribution 4.0 International License.