ANALISIS SENTIMEN TERHADAP PROGRAM MERDEKA BELAJAR-KAMPUS MERDEKA (MBKM) PADA TWITTER MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER (NBC)

RODY SAFRI, IRAWANSYAH (2023) ANALISIS SENTIMEN TERHADAP PROGRAM MERDEKA BELAJAR-KAMPUS MERDEKA (MBKM) PADA TWITTER MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER (NBC). S1 thesis, Universitas Mataram.

	Text TA_Rody safri irawansyah_F1B118003.pdf Restricted to Repository staff only Download (5MB)
Preview	Text JURNAL Rody Safri Irawansyah.pdf Download (1MB) | Preview

Abstract

Merdeka Belajar Kampus Merdeka (MBKM) merupakan kebijakan dari Kemendikbud RI yang berperan penting dalam pembelajaran yang otonom dan fleksibel pada kegiatan belajar mahasiswa diluar program studi. Namun, MBKM memiliki pro dan kontra sehingga perlu dilakukan analisis dan evaluasi kebijakannya untuk meningkatkan kinerja melalui umpan balik dari masyarakat. Penelitian ini akan melakukan sentimen analisis pada kebijakan MBKM pada tweet pengguna Twitter pada tahun 2022 dengan kata kunci "MBKM", "kampus merdekar" dan "merdeka belajar". Naive Bayes Classifier (NBC) digunakan untuk menganalisa sentimen multiclass pada tweet Bahasa Indonesia ke dalam 3 (Tiga) kelas Sentimen. Pengumpulan dan persiapan dataset dimulai dengan seleksi fitur, menghilangkan duplikasi dan seleksi tweet, kemudian dilakukan pre-processing yaitu case folding, tokenizing, pembersihan karakter, normalisasi hingga stemming untuk digunakan dalam Labeling menggunakan Textblob yang diperlukan dalam pembuatan model Naïve Bayes Classifier. Hasil penelitian ini menghasilkan model Naïve Bayes yang telah dilatih dari data latih 300 tweet dengan nilai akurasi terbaik di 79,66% memiliki nilai Precision sebesar 79%, nilai Recall sebesar 80% dan nilai F1-Score sebesar 79%. dari pengujian terhadap 1175 data hasil didominasi oleh sentimen positif yaitu 53,44%, kemudian disusul oleh sentimen "netral" yaitu 34,47%, dan sentimen "negatift" yaitu 12,08%

Item Type:	Thesis (S1)
Keywords (Kata Kunci):	MBKM, Naïve Bayes Classifier, Analisis Sentimen, Twitter, Streamlit
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Fakultas Teknik
Depositing User:	Meike Megawati
Date Deposited:	30 Mar 2023 04:33
Last Modified:	30 Mar 2023 04:33
URI:	http://eprints.unram.ac.id/id/eprint/35636

Actions (login required)

View Item