Analisis Sentimen Terhadap Program Kampus Merdeka Pada Twitter Menggunakan Metode Naïve Bayes, Union dan Synthetic Minority Over Sampling Technique (SMOTE)

  • Jefina Tri Kumalasari Universitas Bina Sarana Informatika
  • Agustiena Merdekawati Universitas Bina Sarana Informatika
Keywords: Analisa Sentimen Kampus merdeka Naïve bayes UNION SMOTE

Abstract

Program Kampus Merdeka bertujuan menyiapkan mahasiswa menghadapi tantangan perubahan sosial, dan kemajuan teknologi yang semakin cepat. Kampus Merdeka memberikan peluang mahasiswa untuk mengambil materi program atau jurusan lain atau yang sama pada kampus yang lain sehingga diharapkan dapat menghasilkan lulusan yang dapat menghadapi dinamika masyarakat pada lingkungan usaha dan industri. Twitter salah satu media yang digemari digunakan sebagai media bersosialisasi, bertukar informasi dan berpendapat sehingga sesuai sebagai sumber analisa sentiment. Mengumpulkan, mengenali, mengekstrak opini dalam bentuk teks sehingga dapat digunakan sebagai informasi yang bermanfaat. Algoritma klasifikasi Naïve Bayes memprediksi apakah suatu opini bernilai positif atau negative. Menganalisa data dengan jumlah besar membutuhkan operator Union. Variable yang digunakan dalam penelitian ini yaitu hasil tweet dengan kata kunci kampus merdeka dan hasil sentiment sebagai label. Data yang diambil berjumlah 680, sedangkan data yang tidak diberi label berjumlah 430 yang merupakan data raw yang berasal dari media social Twitter berisi ungkapan, pertanyaan, pengalaman pengguna. Berdasarkan hasil analisa akumulasi sentiment menghasilkan nilai positif 86% dibandingkan yang memberikan nilai negative 14%. Sehingga dapat disimpulan Program Merdeka Belajar memberikan opini baik. Selain itu untuk mengoptimalkan data yang tidak seimbang digunakan Synthetic Minority Oversampling Technique (SMOTE) menghasilkan keakuratan data sebesar 99.21% sedangkan tanpa SMOTE keakuratan data hanya 77.60%. Sehingga dapat disimpulan Program Merdeka Belajar memberikan opini baik.

References

Andreyestha, A., & Azizah, Q. N. (2022). Analisa Sentimen Kicauan Twitter Tokopedia Dengan Optimalisasi Data Tidak Seimbang Menggunakan Algoritma Smote. Infotek : Jurnal Informatika Dan Teknologi, 5(1), 108–116. Https://Doi.Org/10.29408/Jit.V5i1.4581

Andreyestha, Q. N. A. (N.D.). Analisa Sentimen Kicauan Twitter Tokopedia Dengan Optimalisasi Data Tidak Seimbang Menggunakanalgoritma Smote.

Fahdia, M. R., Asnonik, N., & Putri, S. A. P. (2020). Implementasi Metode Naive Bayes Pada Analisa Penerimaan Kartu Jakarta Pintar Di Smk Al Kautsar Jakarta. Inti Nusa Mandiri, 14(2), 231–236. Https://Doi.Org/10.33480/Inti.V14i2.1779

Fitriyani. Wahono R. S. (2015). Romi Id-Integrasi-Bagging-Dan-Greedy-Forward. Integrasi Bagging Dan Greedy Forward Selection Pada Prediksi Cacat Software Dengan Menggunakan Naïve Bayes, 1(2).

Han, J. Dan M. Kamber. 2012. Data Mining Concepts And Techniques Third Edition. San Francisco: Morgan Kaufmann.

Hudjimartsu, S. A., Prayudyanto, M. N., Permana, S., & Heryansyah, A. (2021). Peluang Dan Tantangan Implementasi Merdeka Belajar Kampus Merdeka (Mbkm) Di Fakultas Teknik Dan Sains Uika Bogor. Educate : Jurnal Teknologi Pendidikan, 7(1), 58. Https://Doi.Org/10.32832/Educate.V7i1.6245

Jishan, S. T., Rashu, R. I., Haque, N., & Rahman, R. M. (2015). Improving Accuracy Of Students’ Final Grade Prediction Model Using Optimal Equal Width Binning And Synthetic Minority Over-Sampling Technique. Decision Analytics, 2(1). Https://Doi.Org/10.1186/S40165-014-0010-2

Muslikh. (2020). Landasan-Filosofis-Dan-Analisis-Terhadap Kebijakan Mbkm. Jurnal Syntax Transformation, 1(3), 40–46.

Ni’ma Kholila. (2021). Merdeka Belajar Twitter. Jurnal Ilmiah Teknik Informatika, 15(2), 252–261. Https://Doi.Org/10.35457/Antivirus.V15i2.1866

Pasek, P., Mahawardana, O., Sasmita, G. A., Agus, P., & Pratama, E. (2022). Analisis Sentimen Berdasarkan Opini Dari Media Sosial Twitter Terhadap “Figure Pemimpin” Menggunakan Python. In Jitter-Jurnal Ilmiah Teknologi Dan Komputer (Vol. 3, Issue 1).

Pustakalewi.Com (2022, 31 December). Rektor Ukrida: Kebijakan Merdeka Belajar Kampus Merdeka Bermanfaat Bagi Dosen Dan Mahasiswa. Rektor Ukrida: Kebijakan Merdeka Belajar Kampus Merdeka Bermanfaat Bagi Dosen Dan Mahasiswa - Pustakalewi News

Prahani, B. K., Deta, U. A., Yasir, M., Astutik, S., Pandiangan, P., Mahtari, S., & Mubarok, H. (2020). The Concept Of “Kampus Merdeka” In Accordance With Freire’s Critical Pedagogy. Studies In Philosophy Of Science And Education (Sipose), 1(1), 21–37. Http://Scie-Journal.Com/Index.Php/Sipose

Rizaldi, T., Teknologi, J., Politeknik, I., Jember, N., & Arief, H. (2017a). Perbandingan Metode Web Scraping Menggunakan Css Selector Dan Xpath Selector. 43 Teknika, 6(1). Http://Blog.Detik.Com/

Rizaldi, T., Teknologi, J., Politeknik, I., Jember, N., & Arief, H. (2017b). Perbandingan Metode Web Scraping Menggunakan Css Selector Dan Xpath Selector. 43 Teknika, 6(1). Https://Doi.Org/10.34148/Teknika.V6i1.56

Siregar, N., Sahirah, R., & Harahap, A. A. (2020). Konsep Kampus Merdeka Belajar Di Era Revolusi. Fitrah: Journal Of Islamic Education, 1(1), 141–157. Http://Jurnal.Staisumatera-Medan.Ac.Id/Index.Php/Fitrah

Sutoyo, E., Asri Fadlurrahman, M., Telekomunikasi Jl Terusan Buah Batu, J., Dayeuhkolot, K., Bandung, K., & Barat, J. (2020). Jepin (Jurnal Edukasi Dan Penelitian Informatika) Penerapan Smote Untuk Mengatasi Imbalance Class Dalam Klasifikasi Television Advertisement Performance Rating Menggunakan Artificial Neural Network. Jurnal Edukasi Dan Penelitian Informatika, 6(3), 379–385.

Suyoto Ario.Ugung Dwi Et Al. (N.D.). Analisis Persepsi Minat Mahasiswa Berpartisipasi Dalam Program Mbkm Dalam Meningkatkan Softskill Lulusan (Vol. 21). Online.

Published
2023-06-01
How to Cite
Jefina Tri Kumalasari, & Agustiena Merdekawati. (2023). Analisis Sentimen Terhadap Program Kampus Merdeka Pada Twitter Menggunakan Metode Naïve Bayes, Union dan Synthetic Minority Over Sampling Technique (SMOTE). SATIN - Sains Dan Teknologi Informasi, 9(1), 01-12. https://doi.org/10.33372/stn.v9i1.894