Analisis Sentimen Terhadap Program Kampus Merdeka Menggunakan Algoritma Naïve Bayes Classifier Dan Support Vector Machine Di Twitter

Abstract

Kampus Merdeka merupakan salah satu kebijakan yang dicetus oleh menteri Pendidikan dan kebudayaan pada tahun 2020. Sejak awal diluncurkan program ini telah banyak mendapatkan pro maupun kontra dari masyarakat salah satunya dari media sosial twitter. Tujuan penelitian ini adalah Untuk mengetahui sentimen positif, negatif dan netral pada dataset mengenai kampus Merdeka dan untuk mengetahui akurasi yang optimal dari perbandingan antara metode SVM dan NBC kampus merdeka di twitter. Data yang digunakan pada penelitian ini berjumlah sebanyak 1000 data yang berdasarkan komentar terbaru terbaru ketika data diambil yaitu pada tanggal 16 Maret 2024 dengan melalui website APIFY dari komentar postingan twitter melalui proses crawling. Support Vector Machine merupakan algoritma terbaik dalam menganalisis sentimen terhadap program kampus merdeka di twitter dengan tingkat akurasi yang paling tinggi pada perbandingan data 90:10 yaitu 87%, untuk nilai precision, recall, dan f1-score pada sentimen negatif yaitu 93%, 95%, dan 94%, sentimen netral adalah 76%, 84%, dan 80%, dan sentimen positif 90%, 82%, dan 86%. Sedangkan Algoritma Naïve Bayes mendapatkan tingkat akurasi yang paling tinggi pada perbandingan data 90:10 yaitu 81% dan mendapatkan nilai precision, recall, dan f1-score pada sentimen negatif yaitu 73%, 100%, dan 85%, sentimen netral adalah 78%, 66%, dan 71%, dan sentimen positif 93%, 76%, dan 84%. Berdasarkan nilai akurasi yang paling tinggi yaitu SVM dengan proporsi pembagian data 90:10 maka dapat di visualisasikan hasil sentimennya yaitu tanggapan masyarakat terhadap program kampus merdeka cenderung positif dengan mendapatkan persentase sebesar 36,5%, sedangkan pada sentimen negatif mendapatkan persentase sebesar 32,8%, dan pada sentimen netral mendapatkan persentase sebesar 30,7%.