PENGGUNAAN TWITTER DALAM MENGANALISA SENTIMEN PELAKSANAAN IMPLEMENTASI KURIKULUM MERDEKA

• FAIZAL RIZA
• 14002266

---

ABSTRAK

 

ABSTRAK Nama : FAIZAL RIZA NIM : 14002266 Program Studi : Ilmu Komputer Fakultas : Teknologi Informasi Jenjang : Strata Dua (S2) Konsentrasi : Data Mining Judul Skripsi : “Penggunaan Twitter Dalam Menganalisa Sentimen Pelaksanaan Implementasi Kurikulum Merdeka” Undang Undang Nomor 20 tahun 2003 menyatakan bahwa kurikulum adalah seperangkat rencana pembelajaran yang berkaitan dengan tujuan, isi, bahan ajar dan cara yang digunakan dan dijadikan sebagai pedoman dalam penyelenggara kegiatan pembelajaran untuk mencapai sebuah tujuan pendidikan nasional. Pandemi Covid- 19 yang hampir berlangsung selama 2 tahun mengakibatkan ketertinggalan capaian pembelajaran (learning loss) untuk peserta didik. Kurikulum Merdeka yang dirancang pemerintah Republik Indonesia adalah salah satu alat dalam memulihkan learning loss. Tujuan dari penelitian ini adalah untuk mendapatkan algoritma terbaik dalam mengklasifikasikan tanggapan sentimen positif dan negatif dari berbagai elemen pendidikan khususnya warga sekolah. Media sosial twitter dipilih sebagai media untuk mendapatkan opini masyarakat tentang implementasi kurikulum merdeka. Beragam komentar dikumpulkan dan diklasifikasikan menjadi sebuah dataset untuk menilai komentar mengenai sentiment implementasi kurikulum merdeka apakah positif atau negatif. Analisis sentimen diproses dengan menggunakan tools rapidminer dan menggunakan komparasi algoritma naïve bayes, support vector machine serta k-nearest neighbor. Hasil analisis menunjukkan bahwa algoritma support vector machine dengan sampel bootstraping memiliki akurasi lebih unggul sebesar 90,31% untuk sentiment analisis pada topik implementasi kurikulum merdeka. Kata kunci: Kurikulum Merdeka, Sentimen Analisis, Support Vector Machine,
Naïve Bayes, K–Nearest Naighbor, Sampel Bootstraping.
 

KATA KUNCI

Penggunaan Twitter,Analisa Sentimen Pelaksanaan Implementasi

---

DAFTAR PUSTAKA

 

DAFTAR PUSTAKA [1] A. Afriansyah, “Covid-19, Transformasi Pendidikan dan Berbagai Problemnya,” LIPI Pus. Penelit. Kependudukan, Res. Cent. Popul. , 2020. [2] Badan Standar Kurikulum dan Asesemen Pendidikan, Kajian Akademik:
Kurikulum untuk Pemulihan Pembelajaran. Pusat Kurikulum dan Pembelajaran, 2021. [3] J. Wu, J. Xin, and N. Zheng, “SVM learning from imbalanced microanuerysm candidate datasets used feature selection by gini index,”
2015 IEEE Int. Conf. Inf. Autom. ICIA 2015 - conjunction with 2015 IEEE
Int. Conf. Autom. Logist., pp. 1637–1641, Sep. 2015, doi: 10.1109/ICINFA.2015.7279548. [4] T. Nasukawa and J. Yi, “Sentiment analysis: Capturing favorability using natural language processing,” 2003, doi: 10.1145/945645.945658. [5] H. Wisnu, M. Afif, and Y. Ruldevyani, “Sentiment analysis on customer satisfaction of digital payment in Indonesia: A comparative study using KNN and Naïve Bayes,” in Journal of Physics: Conference Series, Jan. 2020, vol. 1444, no. 1, p. 012034, doi: 10.1088/1742-6596/1444/1/012034. [6] P. Pasek, O. Mahawardana, G. Arya, I. P. Agus, and E. Pratama, “Analisis Sentimen Berdasarkan Opini dari Media Sosial Twitter terhadap ‘ Figure Pemimpin ’ Menggunakan Python,” JITTER-Jurnal Ilm. Teknol. dan
Komput., vol. 3, no. 1, 2022. [7] A. F. Hidayatullah, C. I. Ratnasari, and S. Wisnugroho, “Analysis of Stemming Influence on Indonesian Tweet Classification,” Telkomnika
(Telecommunication Comput. Electron. Control. , 2016, doi: 10.12928/telkomnika.v14i2.3113. [8] A. Rane and A. Kumar, “Sentiment Classification System of Twitter Data for US Airline Service Analysis,” Proc. - Int. Comput. Softw. Appl. Conf., vol. 1, pp. 769–773, Jun. 2018, doi: 10.1109/COMPSAC.2018.00114. [9] P. A. Putri, Ridok, and Indriati, “Implementasi Metode Improved K-Nearest Neighbor pada Analisis Sentimen Twitter Berbahasa Indonesia,” Repos. J.
Mhs. PTIIK UB, vol. 2, pp. 1 –8, 2013, Accessed: Jun. 05, 2022. [Online]. Available: http://repository.ub.ac.id/145872/. [10] Mihuandayani, E. Utami, and E. T. Luthfi, “Text mining based on tax comments as big data analysis using SVM and feature selection,” 2018 Int.
Conf. Inf. Commun. Technol. ICOIACT 2018, vol. 2018-Janua, pp. 537–542, Apr. 2018, doi: 10.1109/ICOIACT.2018.8350743. [11] U. Schonfeld and N. Shivakumar, “Sitemaps: Above and beyond the crawl 62 of duty,” WWW’09 - Proc. 18th Int. World Wide Web Conf., pp. 991 –1000, 2009, doi: 10.1145/1526709.1526842. [12] C. M. Bowman, P. B. Danzig, D. R. Hardy, U. Manber, and M. F. Schwartz, “The Harvest information discovery and access system,” Comput. Networks
ISDN Syst., vol. 28, no. 1 –2, pp. 119–125, Dec. 1995, doi: 10.1016/0169- 7552(95)00098-5. [13] J. A. Septian, T. M. Fachrudin, and A. Nugroho, “Analisis Sentimen Pengguna Twitter Terhadap Polemik Persepakbolaan Indonesia Menggunakan Pembobotan TF-IDF dan K-Nearest Neighbor,” INSYST J.
Intell. Syst. Comput., vol. 1, no. 1, pp. 43–49, Aug. 2019, doi: 10.52985/INSYST.V1I1.36. [14] E. T. L. Kusrini and E. Taufiq, “Algoritma data mining,” Yogyakarta Andi
Offset, 2009. [15] F. Riza, S. Rifai, A. Dirgantara, Sfenrianto, Rasenda, and S. Herdyansyah, “Information Retrieval Technique for Indonesian PDF Document with Modified Stemming Porter Method Using PHP,” in Journal of Physics:
Conference Series, 2020, vol. 1477, no. 3, doi: 10.1088/1742- 6596/1477/3/032016. [16] I. A. A. Amra and A. Y. A. Maghari, “Students performance prediction using KNN and Naïve Bayesian,” 2017, doi: 10.1109/ICITECH.2017.8079967. [17] N. Cristianini and J. Shawe-Taylor, An Introduction to Support Vector
Machines and Other Kernel-based Learning Methods. 2000. [18] Kusrini and L. Taufiq Emha, Algoritma Data Mining Yogyakarta, no. February. Yogyakarta: Andi, 2009. [19] C. Aggarwal, “Data Mining?: The Textbook.” Springer International Publishing Switzerland, p. 213, 2015. [20] L. R. Dharmawan, I. Arwani, and D. E. Ratnawati, “Analisis Sentimen pada Sosial Media Twitter Terhadap Layanan Sistem Informasi Akademik Mahasiswa Universitas Brawijaya dengan Metode K-Nearest Neighbor,” J.
Pengemb. Teknol. Inf. dan Ilmu Komput. e-ISSN, vol. 2548, p. 964X, 2020. [21] A. T. Zy, “Comparison Algorithm Classification Naive Bayes, Decission Tree and Neural Network for Analysis Sentiment,” J. Pelita Teknol., 2017. [22] C. Darujati and A. B. Gumelar, “Pemanfaatan Teknik Supervised untuk Klasifikasi Teks Bahasa Indonesia,” LINK, 2012. [23] A. P. Natasuwarna, “Analisis Sentimen Keputusan Pemindahan Ibukota Negara Menggunakan Klasifikasi Naive Bayes,” in SEMINAR NASIONAL
SISTEM INFORMASI dan TEKNIK INFORMATIKA SENSITIF, 2019, pp. 47–53. 63 [24] D. Kuhlman, “A Python Book: Beginning Python,” Adv. Python, Python
Exerc., pp. 12–14, 2013. [25] A. Go, R. Bhayani, and L. Huang, “Twitter Sentiment Classification using Distant Supervision,” Processing, vol., pp. 1 –6, 2009, Accessed: Nov. 30, 2022. [Online]. Available: http://tinyurl.com/cvvg9a. [26] E. Undamayanti, T. I. Hermanto, and I. Kaniawulan, “Analisis Sentimen Menggunakan Metode Naive Bayes Berbasis Particle Swarm Optimization Terhadap Pelaksanaan Program Merdeka Belajar Kampus Merdeka,” JSAKTI (Jurnal Sains Komput. dan Inform., vol. 6, no. 2, pp. 916–930, Sep. 2022, doi: 10.30645/J-SAKTI.V6I2.502. [27] N. W. Utami and M. Artana, “TEXT MINING DALAM ANALISIS SENTIMEN PEMBELAJARAN DARING DI MASA PANDEMI COVID 19 MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR,” J.
Inform. Teknol. dan Sains, vol. 4, no. 2, pp. 140–148, May 2022, doi: 10.51401/JINTEKS.V4I2.2034. [28] H. Hermanto, A. N.-J. I. Kaputama, and undefined 2021, “Analisa Sentimen Terhadap Belajar Online Pada Masa Covid-19 Menggunakan Algoritma Support Vector Machine Berbasis Particle Sarm Optimization,”
jurnal.kaputama.ac.id, Accessed: Nov. 30, 2022. [Online]. Available: https://www.jurnal.kaputama.ac.id/index.php/JIK/article/view/451. [29] A. Novita and S. Heri, “PERBANDINGAN ANALISIS SENTIMEN TERHADAP DIGITAL PAYMENT ‘T-CASH DAN GO-PAY’ DI SOSIAL MEDIA MENGGUNAKAN ORANGE DATA MINING,” Skripsi Univ.
Bina Darma, 2019. [30] M. R. Huq, A. Ali, and A. Rahman, “Sentiment Analysis on Twitter Data using KNN and SVM,” IJACSA) Int. J. Adv. Comput. Sci. Appl. , vol. 8, no. 6, 2017, Accessed: Nov. 30, 2022. [Online]. Available: www.ijacsa.thesai.org. [31] H. Hermanto, A. Mustopa, and A. Y. Kuntoro, “ALGORITMA KLASIFIKASI NAIVE BAYES DAN SUPPORT VECTOR MACHINE DALAM LAYANAN KOMPLAIN MAHASISWA,” JITK (Jurnal Ilmu
Pengetah. dan Teknol. Komputer), vol. 5, no. 2, pp. 211–220, Feb. 2020, doi: 10.33480/JITK.V5I2.1181.