Analisis Sentimen Penghapusan Ujian Nasional pada Twitter Menggunakan Support Vector Machine dan Naïve Bayes berbasis Particle Swarm Optimization
DOI:
https://doi.org/10.24014/coreit.v6i2.9723Abstract
Twitter merupakan sebuah platform media sosial yang sering digunakan oleh pengguna di Indonesia. Dalam penggunaannya twitter digunakan sebagai platform yg membahas tentang opini publik, hiburan dan trending topik didunia salah satu perbincangan pada awal tahun 2020 yakni dihapusnya Ujian Nasional (UN) oleh Kementerian Pendidikan dan Kebudayaan Republik Indonesia (Mendikbud RI). Opini dan Sentimen pengguna di twitter pun sangat beragam, ada yg termasuk kedalam sentimen positif dan ada juga sentimen negatif. Untuk memilah mana yang termasuk kedalam sentimen positif dan negatif diperlukan sebuah rangkaian proses, salah satu proses yang dapat digunakan yakni data mining. Pada penelitian ini akan membahas tentang sentimen pengguna twitter dalam kasus penghapusan UN dengan menggunakan algoritma Support Vector Machine (SVM) dan Naïve Bayes (NB) berbasis Particle Swarm Optimization (PSO). Dalam 2 algoritma tersebut akan dibagi masing-masing kedalam 2 proses yakni menggunakan PSO dan tidak menggunakan PSO sehingga mempunyai 4 metode. Pengujian dilakukan menggunakan k-Fold Cross Validation untuk diperoleh nilai akurasi (accuracy), tabel Confusion Matrix dan Area Under Curve. Hasil pengujian diperoleh nilai akurasi 92,92% dan AUC sebesar 0,977 untuk SVM tanpa PSO. Lalu nilai akurasi 94,81% dan AUC sebesar 0,974 untuk SVM dengan PSO. Nilai akurasi 85,93% dan AUC sebesar 0,645 untuk NB tanpa PSO. Serta nilai akurasi 86,92% dan AUC sebesar 0,715 untuk NB dengan PSO. Dalam penelitian ini metode SVM dengan PSO yang paling baik untuk mengklasifikasikan sentimen positif dan negatif terkait penghapusan UN.References
Departemen Pendidikan Nasional, “Kamus Besar Bahasa Indonesia,” Jakarta, 2005.
E. Setiawan, “Kamus Besar Bahasa Indonesia Daring (Online).” https://kbbi.web.id/sosial (accessed Apr. 17, 2020).
I. A. Ratnamulyani and B. I. Maksudi, “Peran Media Sosial Dalam Peningkatan Partisipasi Pemilih Pemula Dikalangan Pelajar Di Kabupaten Bogor,” Sosiohumaniora, vol. 20, no. 2, pp. 154–161, 2018, doi: 10.24198/sosiohumaniora.v20i2.13965.
Wikipedia, “Twitter.” https://id.wikipedia.org/wiki/Twitter (accessed Apr. 17, 2020).
Katadata Indonesia, “10 Media Sosial yang Paling Sering Digunakan di Indonesia,” 2020.
https://databoks.katadata.co.id/datapublish/2020/02/26/10-media-sosial-yang-paling-sering-digunakan-di-indonesia (accessed Apr. 17, 2020).
Kementerian Pendidikan dan Kebudayaan Republik Indonesia, Surat Edaran Nomor 4 Tahun 2020 Tentang Pelaksanaan Kebijakan Pendidikan Dalam Masa Darurat Penyebaran Coronavirus Disease (Covid-19). Indonesia, 2020.
D. A. Purnamasari, “Strategi Meningkatkan Hasil Ujian Nasional Mata Pelajaran Ekonomi,” J. Ilm. Pendidik. Ekon. IKIP Veteran Semarang |, vol. 1, no. 2, pp. 38–48, 2013, [Online]. Available: https://www.neliti.com/publications/37069/strategi-meningkatkan-hasil-ujian-nasional-mata-pelajaran-ekonomi.
Hernawati and W. Gata, “Sentimen Analisis Operasi Tangkap Tangan KPK Menurut Masyarakat Menggunakan Algoritma Support Vector Machine , Naive Bayes Berbasis Particle Swarm Optimizition,” Fakt. Exacta, vol. 12, no. 3, pp. 230–243, 2019, doi: 10.30998/faktorexacta.v12i3.4992.
S. A. Saputra, D. Rosiyadi, W. Gata, and S. M. Husain, “Sentiment Analysis Analisis Sentimen E-Wallet Pada Google Play Menggunakan Algoritma Naive Bayes Berbasis Particle Swarm Optimization,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 3, no. 3, pp. 377–382, 2019, doi: 10.29207/resti.v3i3.1118.
T. Mardiana, H. Syahreva, and T. Tuslaela, “Komparasi Metode Klasifikasi Pada Analisis Sentimen Usaha Waralaba Berdasarkan Data Twitter,” J. Pilar Nusa Mandiri, vol. 15, no. 2, pp. 267–274, 2019, doi: 10.33480/pilar.v15i2.752.
M. Kusmira, “Analisis Sentimen Registrasi Ulang Kartu SIM pada Twitter Menggunakan Algoritma SVM dan K-NN,” Inti Nusa Mandiri, vol. 14, no. 1, pp. 105–110, 2019, [Online]. Available: http://ejournal.nusamandiri.ac.id/index.php/inti/article/view/541/551.
E. Ermawati, “Algoritma Klasifikasi C4.5 Berbasis Particle Swarm Optimization Untuk Prediksi Penerima Bantuan Pangan Non Tunai,” J. Sist. Inf., vol. 8, no. September, pp. 513–528, 2019.
S. A. Putri, “Prediksi Cacat Software Dengan Teknik Sampel Dan Seleksi Fitur Pada Bayesian Network,” J. Kaji. Ilm., vol. 19, no. 1, p. 17, 2019, doi: 10.31599/jki.v19i1.314.
Downloads
Published
Issue
Section
License
The Authors submitting a manuscript do so on the understanding that if accepted for publication, copyright of the article shall be assigned to CoreIT journal and published by Informatics Engineering Department Universitas Islam Negeri Sultan Syarif Kasim Riau as publisher of the journal.
Authors who publish with this journal agree to the following terms:
Authors automatically transfer the copyright to the journal and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-ShareAlike (CC BY SA) that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
Authors are able to enter into separate permission for non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
