Analisis Sentimen Mengenai Pembelajaran Jarak Jauh dan Tatap Muka Menggunakan Metode Support Vector Machine

• Adam Wisnumurti

---

ABSTRAK

Saat pandemi Covid-19, kegiatan pembelajaran jarak jauh masih menjadi pilihan terbaik dalam bidang pendidikan. Namun, banyak masyarakat yang mengeluhkan dan berharap supaya pemerintah segera mengijinkan pembelajaran tatap muka kembali dilaksanakan. Kedua metode pembelajaran tersebut menjadi topik perbincangan masyarakat di Indonesia yang banyak menyampaikan pendapatnya melalui media sosial, salah satunya Twitter. Keberadaan suatu pendapat mulai dari yang positif sampai negatif akan selalu ada, karena keunikan manusia yang memiliki pandangan dan pola pikir berbeda-beda. Berdasarkan kasus tersebut, penulis berinisiatif untuk membuat penelitian analisis sentimen menggunakan metode Support Vector Machine (SVM). Pelabelan tweet sebagai data pada penelitian ini dilakukan oleh 3 orang rater, dan diuji reliabilitasnya dengan Fleiss Kappa. Sebelum data diimplementasikan dengan model, dilakukan tahap praproses, pemisahan data latih dan uji dengan rasio 8 banding 2, serta pembobotan menggunakan fungsi TF-IDF. Metode SVM menjadi salah satu metode klasifikasi yang terbaik untuk permasalah analisis sentimen. Hal tersebut karena metode SVM memiliki cara pengklasifikasian untuk kasus data linier maupun tidak linier, sehingga penulis menggunakan fungsi kernel. Hasilnya, nilai evaluasi terbaik didapatkan menggunakan fungsi kernel polinomial dengan akurasi 82%, spesifisitas 85%, sensitivitas 76%, dan AUC 88%.

KATA KUNCI

E-learning,Analisa Sentimen

---

DAFTAR PUSTAKA

[1]      N. Herlinawati, Y. Yuliani, S. Faizah, W. Gata, and S. Samudi, “Analisis Sentimen Zoom Cloud Meetings di Play Store Menggunakan Naïve Bayes dan Support Vector Machine,” CESS (Journal Comput. Eng. Syst. Sci., vol. 5, no. 2, p. 293, 2020, doi: 10.24114/cess.v5i2.18186.

[2]      A. R. Mansyur, “Dampak COVID-19 Terhadap Dinamika Pembelajaran Di Indonesia,” Educ. Learn. J., vol. 1, no. 2, p. 113, 2020, doi: 10.33096/eljour.v1i2.55.

[3]      O. W. Purbo, Text Mining, Analisis MedSos, Kekuatan Brand Dan Intelijen Di Internet. Yogyakarta: ANDI, 2019.

[4]      A. Rahmawati, A. Marjuni, and J. Zeniarja, “Analisis Sentimen Publik Pada Media Sosial Twitter Terhadap Pelaksanaan Pilkada Serentak Menggunakan Algoritma Support Vector Machine,” CCIT J., vol. 10, no. 2, pp. 197–206, 2017, doi: 10.33050/ccit.v10i2.539.

[5]      H. Tuhuteru and A. Iriani, “Analisis Sentimen Perusahaan Listrik Negara Cabang Ambon Menggunakan Metode Support Vector Machine dan Naive Bayes Classifier,” J. Inform. J. Pengemb. IT, vol. 3, no. 3, pp. 394–401, 2018, doi: 10.30591/jpit.v3i3.977.

[6]      M. R. A. Nasution and M. Hayaty, “Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen Twitter,” J. Inform., vol. 6, no. 2, pp. 226–235, 2019, doi: 10.31311/ji.v6i2.5129.

[7]      N. Fitriyah, B. Warsito, and D. A. I. Maruddani, “Analisis Sentimen Gojek Pada Media Sosial Twitter Dengan Klasifikasi Support Vector Machine (Svm,” J. Gaussian, vol. 9, no. 3, pp. 376–390, 2020, doi: 10.14710/j.gauss.v9i3.28932.

[8]      R. Nooraeni, H. D. Sariyanti, A. F. F. Iskandar, S. F. Munawwaroh, S. Pertiwi, and Y. Ronaldias, “Analisis Sentimen Data Twitter Mengenai Isu RUU KPK Dengan Metode Support Vector Machine (SVM),” Paradig. - J. Komput. dan Inform., vol. 22, no. 1, pp. 55–60, 2020, doi: 10.31294/p.v22i1.6869.

[9]      D. A. Agustina, S. Subanti, and E. Zukhronah, “Implementasi Text Mining Pada Analisis Sentimen Pengguna Twitter Terhadap Marketplace di Indonesia Menggunakan Algoritma Support Vector Machine,” Indones. J. Appl. Stat., vol. 3, no. 2, p. 109, 2021, doi: 10.13057/ijas.v3i2.44337.

[10]    A. Zubair, E. Sonalitha, and S. R. Asriningtias, Text Mining, 1st ed. Yogyakarta: Graha Ilmu, 2021.

[11]    R. T. HANDAYANTO and HERLAWATI, Data Mining Dan Machine Learning Menggunakan Matlab Dan Python. Informatika, 2020.

[12]    R. Primartha, Algoritma Machine Learning. Bandung: INFORMATIKA, 2021.

[13]    T. Wahyono, Fundamental Of Python For Machine Learning. 2018.

[14]    B. Santosa and A. Umam, Data Mining dan Big Data Analytics: Teori dan Implementasi Menggunakan Python & Apache Spark, 2nd ed. Yogyakarta: Penebar Media Pustaka, 2018.

[15]    A. Erfina, E. S. Basryah, A. Saepulrohman, and D. Lestari, “Analisis Sentimen Aplikasi Pembelajaran Online Di Play Store Pada Masa Pandemi Covid-19 Menggunakan Algoritma Support Vector Machine,” Semin. Nas. Inform., vol. Vol 1, No, no. Semasif, pp. 145–152, 2020.

[16]    D. Destiniar, “Reliabilitas Inter Rater Instrumen Tes Matematika Menggunakan Rater,” J. Pendidik. Mat. RAFA, vol. 4, no. 1, pp. 19–28, 2018, doi: 10.19109/jpmrafa.v4i1.2464.

[17]    S. S. Perdana, A. H. Safitri, Nabila, and N. A. Martopo, “Uji Inter-RaterReliabilityWestern Ontario and Mcmaster University (WOMAC) Osteoarthritis Index pada Pasien Osteoarthritis Knee,” J. Kesehat., vol. 13, no. 2, pp. 131–135, 2020, [Online]. Available: http://journals.ums.ac.id/index.php/jk/article/view/11043/pdf.

[18]    V. Amrizal, “Penerapan Metode Term Frequency Inverse Document Frequency (Tf-Idf) Dan Cosine Similarity Pada Sistem Temu Kembali Informasi Untuk Mengetahui Syarah Hadits Berbasis Web (Studi Kasus: Hadits Shahih Bukhari-Muslim),” J. Tek. Inform., vol. 11, no. 2, pp. 149–164, 2018, doi: 10.15408/jti.v11i2.8623.

[19]    P. P. A. Arsya Monica Pravina, Imam Cholissodin, “Analisis Sentimen Tentang Opini Maskapai Penerbangan pada Dokumen Twitter Menggunakan Algoritme Support Vector Machine (SVM),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 3, pp. 2789–2797, 2019, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/4793.

[20]    N. Frastian, “Implementasi Komparasi Algoritma Klasifikasi Menentukan Kelulusan Mata Kuliah Algoritma Universitas Budi Luhur,” STRING (Satuan Tulisan Ris. dan Inov. Teknol., vol. 3, no. 1, p. 1, 2018, doi: 10.30998/string.v3i1.2334.

[21]    I. Wahyudi, S. Bahri, and P. Handayani, “Aplikasi Pembelajaran Pengenalan Budaya Indonesia,” vol. V, no. 1, pp. 135–138, 2019, doi: 10.31294/jtk.v4i2.

[22]    I. Zukhrufillah, “Gejala Media Sosial Twitter Sebagai Media Sosial Alternatif,” Al-I’lam J. Komun. dan Penyiaran Islam, vol. 1, no. 2, p. 102, 2018, doi: 10.31764/jail.v1i2.235.

[23]    A. Hidayat, “Penjelasan Teknik Purposive Sampling,” Statiskian, 2017. https://www.statistikian.com/2017/06/penjelasan-teknik-purposive-sampling.html.