Evaluasi Dosen oleh Mahasiswa (EDOM) menjadi aspek penting dalam meningkatnya
perkembangan pendidikan tinggi. EDOM berperan penting untuk mengukur kualitas kinerja
dan memberikan feedback yang berdampak kepada dosen. Meskipun EDOM secara rutin
dilakukan, pemanfaatan data EDOM masih belum optimal dalam menghasilkan informasi yang
signifikan bagi dosen dan lembaga pendidikan, terutama pada Institut Teknologi Telkom
Surabaya (ITTelkom Surabaya). Penelitian ini menggunakan pendekatan eksperimental dengan
menerapkan analisis sentimen feedback pada EDOM kinerja dosen di ITTelkom Surabaya
menggunakan Convolutional Neural Network (CNN) dan Word2Vec. Penelitian ini melibatkan
tahapan pengumpulan data EDOM, prepocessing data yang termasuk pemberian label sentimen
seperti negatif, netral, atau positif dengan SentiStrenght dan word embedding menggunakan
Word2Vec, pelatihan dan evaluasi model CNN untuk analisis sentimen data teks, serta
pengembangan dashboard yang dapat menampilkan hasil analisis secara visual. Penelitian ini
menggunakan dua arsitektur CNN, yaitu Simple CNN dan DoubleMax CNN. Berdasarkan hasil
pengujian, DoubleMax CNN dapat mengklasifikasikan sentimen pada saran mahasiswa dengan
sangat baik, mencapai akurasi tertinggi yaitu 86%, recall 76%, presisi 80% dan f1-score 78%.
Sedangkan Simple CNN dapat mengklasifikasikan sentimen pada saran mahasiswa dengan
sangat baik, mencapai akurasi tertinggi yaitu 84%, recall 75%, presisi 75%, dan f1-score 75%
serta dashboard interaktif yang manampilkan data EDOM.
Kata Kunci: Convolutional Neural Network, Word2Vec, EDOM, Analisis Sentimen,
ITTelkom Surabaya