ANALISIS SENTIMEN KEBIJAKAN KAMPUS MERDEKA MENGGUNAKAN NAIVE BAYESDAN PEMBOBOTAN TF-IDF BERDASARKAN KOMENTAR PADA YOUTUBE

ANALISIS SENTIMEN KEBIJAKAN KAMPUS MERDEKA MENGGUNAKAN NAIVE BAYESDAN PEMBOBOTAN TF-IDF BERDASARKAN KOMENTAR PADA YOUTUBE

analisis sentimen, kampus merdeka, naive bayes, TF-IDF, k-fold cross validation, youtube

Kebijakan Kampus Merdeka merupakan salah satu kebijakan baru yang digagas oleh Menteri Pendidikan dan Kebudayaan Republik Indonesia (Mendikbud RI). Kebijakan tersebut tengah ramai disorot publik khususnya pada platform Youtube berkaitan dengan video unggahan Mendikbud di kanalnya. Pada Youtube, opini masyarakat dapat membanjiri kolom komentar dalam sekejap karena kemunculannya sebagai platformpertama yang menawarkan fasilitas konten audio visual. Penelitian ini mencoba menganalisis opini masyarakat yang tertampung dalam kolom komentar Youtube ke dalam klasifikasi sentimen positif dan negatif. Klasifikasi diimplementasikan pada Google Colaboratoryyang berbasis bahasa Python dan Jupyter Notebook dengan algoritme Naive Bayes Classifierserta pembobotan kata Term Frequency Inverse Document Frequency (TF-IDF). 5 proses utama dalam penelitian ini yang meliputi pelabelan manual,text preprocessing, pembobotan TF-IDF, validasi data menggunakan k-fold cross validation, dan klasifikasi. Hasil akurasi terbaik sebesar97% yang didapat dengan menggunakan 900 data latih, 100 data uji, menerapkan pembobotan TF-IDF, dan 10-fold cross validation. Rata-rata akurasi yang didapat dari 10 iterasi pada k-fold cross validationyaitu sebesar 91.8% dengan nilai precision, recall, f-measure sebesar 90.35%, 93.6%, 91.95%. Berdasarkan hasil tersebut, Naive Bayes Classifiercukup baik sebagai alternatif untuk analisis sentimen

haifa Farah Zhafira*1, Bayu Rahayudi2, Indriati3

https://just-si.ub.ac.id/index.php/just-si/article/view/24/17

Universitas Brawijaya

18 Agustus 2021

Fajar bagus W

PDF

Indonesia

Text