Analisis Sentimen Terhadap Program Merdeka Belajar Kampus Merdeka Pada Sosial Media Twitter Menggunakan K-Means Clustering, Support Vector Machine (SVM) dan Syntethic Minority Oversampling Technique (SMOTE)

Muhammad Adam Pryono; Satrio Hadi Wijoyo; Fitra Abdurrachman Bachtiar

Analisis Sentimen Terhadap Program Merdeka Belajar Kampus Merdeka Pada Sosial Media Twitter Menggunakan K-Means Clustering, Support Vector Machine (SVM) dan Syntethic Minority Oversampling Technique (SMOTE)

Penulis

Muhammad Adam Pryono Universitas Brawijaya
Satrio Hadi Wijoyo
Fitra Abdurrachman Bachtiar

Kata Kunci:

Analisis Sentimen, Merdeka Belajar Kampus Merdeka, Twitter, K-Means Clustering, Support Vector Machine, SMOTE

Abstrak

Program Merdeka Belajar Kampus Merdeka (MBKM) merupakan inisiatif dari Kementerian Pendidikan dan Kebudayaan Republik Indonesia untuk memberikan fleksibilitas kepada mahasiswa dalam menentukan jalur pembelajaran sesuai minat dan bakat mereka. Sejak diluncurkan, program ini telah menerima berbagai tanggapan dari masyarakat, baik positif maupun negatif. Dengan perkembangan teknologi informasi dan penggunaan media sosial yang meningkat, khususnya Twitter, analisis sentimen dapat memberikan wawasan tentang persepsi publik terhadap program MBKM. Penelitian ini bertujuan untuk menganalisis opini masyarakat yang tertampung dalam sosial media Twitter. Penelitian ini menggunakan metode klasifikasi dengan algoritme Support Vector Machine (SVM) dan klasterisasi dengan K-Means Clustering. Terdapat 5 proses utama meliputi pelabelan data, text preprocessing, pembobotan TF-IDF, klasifikasi, dan klasterisasi. Hasil akurasi terbaik sebesar 88% yang didapat menggunakan kernel sigmoid, menggunakan rasio 90% data latih dan 10% data uji, dan menerapkan teknik resampling Syntethic Minority Oversampling Technique (SMOTE). Teknik SMOTE meningkatkan recall dan f1-score untuk kelas minoritas, meskipun precision sedikit menurun. Klasterisasi dengan K-Means menghasilkan 4 cluster menggunakan metode elbow dengan dominasi sentimen negatif pada setiap cluster, menyoroti berbagai aspek yang perlu ditingkatkan dalam program MBKM untuk meningkatkan kepuasan peserta. Penelitian ini memberikan dasar untuk evaluasi dan pengembangan lebih lanjut dari program MBKM.

Referensi

Akbar, Y. and Ihsan, A.N., 2023. Analisis Sentimen Twitter Terhadap Opini Masyarakat Pada SEA GAMES KAMBOJA 2023 Menggunakan Algoritma Support Vector Machine. Journal of Information Technology and Computer Science (INTECOMS), 6(2).

Budiman, S.A., Setiawan, N.Y. and Brata, D.W., 2023. Analisis Sentimen Ulasan Pelanggan Kober Mie Setan menggunakan Algoritma Support Vector Machine. [online] Available at: <http://j-ptiik.ub.ac.id>.

Duarte, F., 2024. Usia Pengguna, Jenis Kelamin, & Statistik Demografi Twitter. [online] Available at: <https://explodingtopics.com/blog/x-user-stats> [Accessed 5 May 2024].

Elreedy, D. and Atiya, A.F., 2019. A Comprehensive Analysis of Synthetic Minority Oversampling Technique (SMOTE) for handling class imbalance. Information Sciences, 505, pp.32–64. https://doi.org/10.1016/j.ins.2019.07.070.

Hanantaqi, R.A., 2023. Pro-Kontra Kebijakan MBKM bagi Organisatoris. [online] Kompasiana. Available at: <https://www.kompasiana.com/robi92904/6561dcf980cc364704518423/pro-kontra-kebijakan-mbkm-bagi-organisatoris> [Accessed 9 July 2024].

Koto, F. and Rahmaningtyas, G.Y., 2017. Inset lexicon: Evaluation of a word list for Indonesian sentiment analysis in microblogs. In: Proceedings of the 2017 International Conference on Asian Language Processing, IALP 2017. Institute of Electrical and Electronics Engineers Inc. pp.391–394. https://doi.org/10.1109/IALP.2017.8300625.

Kusman, V.N.M., Metayani, V. and Karnalim, O., 2024. Prediksi Analisis Sentimen Data Debat Pemilihan Presiden 2024 Menggunakan Support Vector Machine (SVM). Jurnal Explore IT. https://doi.org/10.35891/explorit.

Kusumaningtyas, K., Habibi, M., Dwijayanti, I., Sumiyarini, R., Yani, A., Keperawatan, J., Achmad, Y. and Yogyakarta, I., 2023. Analisis Tweet Gangguan Kesehatan Mental Menggunakan K-Means Clustering dan Support Vector Machine. Jurnal Informatika dan Teknologi Informasi, 20(3), pp.295–308. https://doi.org/10.31515/telematika.v20i3.9820.

Pramayasa, K., Maysanjaya, I.M.D. and Indradewi, I.G.A.A.D., 2023. Analisis Sentimen Program MBKM Pada Media Sosial Twitter Menggunakan KNN Dan SMOTE. SINTECH, [online] 6. Available at: <https://doi.org/10.31598>.

Rosli, N.A., Yassin, W., M.A, F. and Selamat, S.R., 2019. Clustering Analysis for Malware Behavior Detection using Registry Data. [online] IJACSA) International Journal of Advanced Computer Science and Applications, Available at: .

Suyanto, 2018. Machine Learning Tingkat Dasar Dan Lanjut. [online] Informatika. Available at: <https://books.google.co.id/books?id=QWbuzwEACAAJ>.

Vhalery, R., Setyastanto, A.M. and Leksono, A.W., 2022. Kurikulum Merdeka Belajar Kampus Merdeka: Sebuah Kajian Literatur. Research and Development Journal of Education, 8(1), p.185. https://doi.org/10.30998/rdje.v8i1.11718.

Vujović, Ž., 2021. Classification Model Evaluation Metrics. International Journal of Advanced Computer Science and Applications, 12(6), pp.599–606. https://doi.org/10.14569/IJACSA.2021.0120670.

Analisis Sentimen Terhadap Program Merdeka Belajar Kampus Merdeka Pada Sosial Media Twitter Menggunakan K-Means Clustering, Support Vector Machine (SVM) dan Syntethic Minority Oversampling Technique (SMOTE)