Perpustakaan Digital ITB

Seiring berkembangnya transformasi digital dalam sektor pendidikan tinggi, peran teknis pendukung sistem seperti helpdesk menjadi semakin penting. XYZ University merupakan salah satu universitas swasta terbaik di Indonesia yang telah berkomitmen pada pembelajaran berbasis digital, termasuk pada sistem helpdesk yang bernama CLOVE. CLOVE merupakan platform utama bagi seluruh dosen dan tenaga pendidik untuk meminta bantuan dan melaporkan masalah teknis yang terkait dengan layanan akademik. Meskipun sistem ini penting, namun belum ada evaluasi terstruktur terhadap kualitas layanan yang dilakukan oleh CLOVE untuk melakukan peningkatan kualitas layanan. Penelitian ini bertujuan untuk mengatasi kesenjangan tersebut dengan menerapkan pendekatan text mining untuk menganalisis data tiket helpdesk yang tidak terstruktur dan mengevaluasi kualitas layanan digital menggunakan kerangka kerja e-SERVQUAL. Penelitian ini menggunakan mixed method dengan desain sekuensial eksploratif. Untuk metode kualitatif yaitu wawancara semi-terstruktur dengan Kepala unit CLOVE untuk mengidentifikasi masalah yang terjadi di dalam internal sebagai dasar untuk menyusun business issues dan memvalidasi masalah bisnis. Lalu untuk metode kuantitatif menggunakan data internal berupa tiket helpdesk yang berisi 7.445 tiket dari tahun 2021 dan 2025. Tiket ini secara otomatis diklasifikasikan ke dalam dua kategori yaitu permintaan dan keluhan dengan menggunakan model IndoBERT dan Fine Tuning yang telah disesuaikan dan dilatih pada 200 sampel berlabel. Model tersebut memperoleh skor F1 di atas 0,94, yang berarti menunjukan akurasi yang tinggi untuk model dengan menggunakan bahasa indonesia. Selanjutnya, setiap tiket dipetakan ke dimensi e-SERVQUAL menggunakan LLM yaitu GPT-4 dengan API OpenAI. Hasilnya menunjukan bahwa dimensi e-SERVQUAL yang memiliki kategori permintaan terbanyak yaitu dimensi fulfilment, responsiveness, dan ease of use. Sedangkan untuk dimensi yang memiliki kategori keluhan terbanyak yaitu dimensi responsiveness, reliability, fulfilment, dan ease of use. Untuk mengeksplorasi wawasan yang lebih mendalam untuk evaluasi, peneliti fokus pada dimensi e-SERVQUAL yang memiliki kategori terbanyak untuk dianalisis menggunakan Latent Dirichlet Allocation (LDA) untuk mengidentifikasi topik-topik yang dominan. Untuk melengkapi temuan internal, peneliti juga menganalisis faktor eksternal dengan menggunakan analisis PESTLE. Seluruh analisis menjadi dasar untuk menyusun SWOT dan TOWS untuk menghasilkan rekomendasi yang strategis