Skripsi

Sentiment analysis \"kampus merdeka\" pada twitter menggunakan model algoritma Support Vector Machine (SVM) / Nafiatul Risa

Abstrak
Kampus Merdeka marupakan kebijakan Merdeka Belajar oleh Kementerian Pendidikan Kebudayaan Riset dan Teknologi (Kemendikbudristek) yang memberikan seluruh mahasiswa kesempatan untuk mengasah kemampuan sesuai bakat dan minat dengan terjun langsung ke dunia kerja sebagai langkah persiapan karier. Dalam pelaksanaannya pasti terdapat pro dan kontra dari mahasiswa yang mengikuti program Kampus Merdeka. Twitter merupakan media sosial yang sering digunakan sebagai media untuk mengungkapkan opini mengenai sesuatu yang sedang dirasakan atau dialami penggunanya. Tweet para pengguna dapat dimanfaatkan untuk review terhadap suatu produk suatu masalah atau kebijakan-kebijakan pemerintah. Kecenderungan opini mengenai program kampus merdeka dari pengguna Twitter perlu dikaji dan dianalisis untuk meningkatkan kinerja melalui umpan balik dari masyarakat dengan melakukan analisis sentimen. Penelitian ini bertujuan untuk melakukan analisis sentimen pada data tweets dengan kata kunci lsquo kampus merdeka rsquo . Analisis sentimen dilakukan untuk melihat pendapat atau kecenderungan opini positif negatif atau netral terhadap program kampus merdeka. Dataset berisi tweets dari tanggal 24 Januari 2020 saat peluncuran program kampus merdeka sampai tanggal 28 Februari 2023. Pengambilan data menggunakan library Snscrape dengan bahasa pemrograman Python. Sentimen dibagi menjadi kelas positif negatif dan netral. Metode CRISP-DM (Cross Industry Standard Process for Data Mining) digunakan untuk mengetahui sentimen dari tweet dengan beberapa tahapan yaitu business understanding data understanding data preparation modelling dan evaluation. Pelabelan ke dalam kelas positif negatif dan netral dilakukan secara coding berdasarkan kamus lexicon. Pemodelan dilakukan menggunakan metode Support Vector Machine (SVM). Nilai akurasi yang dihasilkan masing-masing skenario pembagian data latih dan data uji secara berturut-turut adalah 89 98% 90 81% dan 91 18%. Mayoritas pengguna twitter bersentimen positif sebesar 57.17% sentimen negatif sebasar 26.77% dan sentimen netral sebesar 16.10%. Skenario perbandingan data latih dan data uji secara 90 10 menghasilkan akurasi paling baik.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Pendidikan Teknik Informatika, 2023.

Deskripsi Fisik

xv, 64 lembar : ilus.

Bahasa

Indonesia

No Reg

2686/RS/23

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2023

Subjek

1. ALGORITMA KOMPUTER - SUPPORT VECTOR MACHINE
2. ALGORITMA KOMPUTER - ANALISIS SENTIMEN
3. COMPUTER ALGORITHM - SUPPORT VECTOR MACHINE

Pembimbing

1. Dr. Eng Didik Dwi Prasetya, S.t., M.t.; 2. Wahyu Nur Hidayat, S.pd, M.pd

Lampiran Berkas