Analisis Sentimen Terhadap Program Kampus Merdeka Pada Twitter Menggunakan Metode Naïve Bayes, Union dan SyntheticMinority Over Sampling Technique (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.