Sentimen Analisis Pengguna Twitter terhadap Kebijakan Merdeka Belajar Menggunakan Algoritma Naive Bayes

Abstract

Twitter adalah salah satu situs microblogging yang memungkinkan penggunanya untuk menulis tentang berbagai topik dan membahas isu-isu yang terjadi pada saat ini. Hal tersebut dapat digunakan sebagai sumber data untuk menilai sentimen pada twitter. Pada awal tahun 2020 Kementerian Pendidikan dan Kebudayaan Republik Indonesia memperkenalkan sebuah program baru bernama Merdeka Belajar, program ini memiliki empat pokok kebijakan diantaranya Ujian Sekolah Berstandar Nasional (USBN), Ujian Nasional (UN), Rencana Pelaksanaan Pembelajaran (RPP), dan Peraturan Penerimaan Peserta Didik Baru (PPDB) Zonasi. Program Merdeka Belajar tidak lepas dari dukungan maupun penolakan dari masyarakat, berbagai pernyataan maupun opini baik dukungan maupun penolakan diekspresikan masyarakat melalui berbagai media, baik media cetak maupun media sosial seperti twitter, dalam rangka menganalisis sentimen pada kebijakan Merdeka Belajar berdasarkan opini publik pada twitter, penulis menerapkan proses text mining menggunakan algoritma Naive Bayes Classifier untuk mengklasifikasi sentimen secara otomatis. Penulis menggunakan 180 data tweet dengan sentimen terhadap program tersebut. Data tersebut diklasifikasi secara manual menjadi sentimen positif dan negatif. Kemudian data tersebut dibagi menjadi data training dan data testing. Akurasi yang paling baik didapatkan sebesar 80.55%, dengan nilai f1 – score sebesar 89% serta nilai precision dan recall masing-masing sebesar 81% dan 100% dengan data latih sebesar 80% dan data uji sebesar 20%, serta mayoritas sentimen terhadap kebijakan tersebut adalah positif.