Analisis Sentimen Kurikulum Merdeka Menggunakan Klasifikasi Naïve Bayes Dan Support Vector Machine:

Eka Sabna Eka; Anita Febriani; Rika Melyanti

doi:10.33372/stn.v10i1.1121

Eka Sabna Eka Universitas Hang Tuah Pekanbaru
Anita Febriani Universitas Hang Tuah
Rika Melyanti Universitas Hang Tuah

DOI: https://doi.org/10.33372/stn.v10i1.1121

Keywords: Naive Bayes, Support Vector Machine, Analisis Sentimen, Kurikulum Merdeka, Twitter

Abstract

Media sosial adalah sebuah media yang digunakan untuk bersosialisasi dan bertukar informasi oleh para pengguna dengan menggunakan internet. Beberapa kegunaan media sosial seperti berkenalan dengan teman baru, mengetahui informasi olahraga, ekonomi, pariwisata dan juga Pendidikan. Terkait Pendidikan banyak masyarakat memberikan pendapat dan membicarakan Program Kurikulum Merdeka, terdapat pro dan kontra tentang Program ini. Informasi opini masyarakat diperoleh dari salah satu media sosial yaitu twitter. Penelitian ini bertujuan membangun model analisis sentiment terhadap Program Kurikulum Merdeka . Sumber informasi diperoleh dari Twitter sebanyak 399 data. Penelitian ini mengggunakan 2 (dua) algoritma yaitu Naïve Bayes dan Support Vector Machine (SVM). Hasil penelitian didapatkan opini masyarakat dengan Kategori Positif sebanyak 319 (79,9%) orang dan Kategori Negatif sebanyak 80 (20,1%). Nilai akurasi Naïve Bayes sebesar 71,68% dan SVM 82,80%. Dari hasil akurasi dapat dinyatakan bahwa Model SVM lebih baik dibandingkan dengan Naïve Bayes.

References

Analisis Sentimen (Sentiment Analysis) : Definisi, Tipe dan Cara Kerjanya. (2022, February). https://lp2m.uma.ac.id/2022/02/21/analisis-sentimen-sentiment-analysis-definisi-tipe-dan-cara-kerjanya/
Beranda | Kurikulum Merdeka. (n.d.). Retrieved May 12, 2023, from https://kurikulum.kemdikbud.go.id/kurikulum-merdeka/
Fauriyuddin, A. (n.d.). Pro dan Kontra terhadap Kurikulum Prototipe. Retrieved May 12, 2023, from https://www.gurusiana.id/read/ariffauriyuddin/article/pro-dan-kontra-terhadap-kurikulum-prototipe-3683093
Giovani, A. P., Ardiansyah, A., Haryanti, T., Kurniawati, L., & Gata, W. (2020). Analisis Sentimen Aplikasi Ruang Guru Di Twitter Menggunakan Algoritma Klasifikasi. Jurnal Teknoinfo, 14(2), 115–123. https://doi.org/10.33365/JTI.V14I2.679
Han, J. (2011). Han and Kamber: Data Mining---Concepts and Techniques, 2nd ed., Morgan Kaufmann, 2006. https://hanj.cs.illinois.edu/bk3/bk3_slidesindex.htm
Hidayat, E. Y., Hardiansyah, R. W., & Affandy, A. (2021). Analisis Sentimen Twitter untuk Menilai Opini Terhadap Perusahaan Publik Menggunakan Algoritma Deep Neural Network. Jurnal Nasional Teknologi Dan Sistem Informasi, 7(2), 108–118. https://doi.org/10.25077/TEKNOSI.V7I2.2021.108-118
Meilivia, S. (2022, February). Ini Alasan Kamu Harus Menggunakan Twitter di Tahun 2022! - Socialights. https://journal.socialights.id/apa-itu-twitter/
Rahayu, I. P., Fauzi, A., & Indra, J. (2022). Analisis Sentimen Terhadap Program Kampus Merdeka Menggunakan Naive Bayes Dan Support Vector Machine. Jurnal Sistem Komputer Dan Informatika (JSON), 4(2), 296–301. https://doi.org/10.30865/JSON.V4I2.5381
Rozaq, A., Yunitasari, Y., Sussolaikah, K., Resty, E., Sari, N., & Syahputra, R. I. (2022). Analisis Sentimen Terhadap Implementasi Program Merdeka Belajar Kampus Merdeka Menggunakan Naïve Bayes, K-Nearest Neighboars Dan Decision Tree. Jurnal Media Informatika Budidarma, 6(2), 746–750. https://doi.org/10.30865/MIB.V6I2.3554
Silitonga. (2022, July). Garuda - Garba Rujukan Digital. https://garuda.kemdikbud.go.id/documents/detail/2901469
Yusran, M. (2023). Analisis Sentimen Kurikulum Merdeka Menggunakan Klasifikasi Multinomial Naïve Bayes dan Bernoulli Naïve Bayes dengan Seleksi Fitur Query Expansion Ranking.

De Wever, B., Schellens, T., Valcke, M., & Van Keer, H. (2015). Content analysis schemes to analyze transcripts of online asynchronous discussion groups: A review. Computers and Education, 46(1), 6–28.
Strijbos, J. W., Martens, R. L., Prins, F. J., & Jochems, W. M. G. (2014). Content analysis: What are they talking about? Computers and Education, 46(1), 29–48.