ANALISIS SENTIMEN MASYARAKAT TERHADAP PEMBELAJARAN DARING DI ERA PANDEMI COVID-19 PADA MEDIA SOSIAL TWITTER MENGGUNAKAN EKSTRAKSI FITUR COUNTVECTORIZER DAN ALGORITMA K-NEAREST NEIGHBOR

Mus Priyandi, Painem Painem

Abstract


Penelitian ini bertujuan untuk melakukan analisis pandangan masyarakat terhadap sistem pembelajaran daring pada media sosial Twitter. Metode yang digunakan adalah analisis sentimen melalui pendekatan machine learning disertai fitur kamus sentimen, dengan ekstraksi fitur menggunakan CountVectorizer dan algoritma klasifikasi K-Nearest Neighbor. Dataset yang digunakan bersumber dari media sosial Twitter berupa kicauan (tweet) berbahasa Indonesia yang diperoleh melalui fitur pencarian dengan kata kunci ‘pembelajaran jarak jauh’, ‘belajar dari rumah’, ‘#belajaronline’, ‘#belajardarirumah’, ‘#belajardirumah’, dan ‘#kuliahonline’. Hasil analisis berdasarkan 3.954 tweet menunjukkan sentimen positif sebesar 76.56% dan sentimen negatif sebesar 23.44% pada periode Desember 2020, sementara hasil pengujian terbaik diperoleh menggunakan nilai K=7, dengan nilai akurasi sebesar 71%, presisi sebesar 74% dan recall sebesar 86%.


Keywords


Analisis Sentimen; Twitter; Pembelajaran Daring; K-Nearest Neighbor

References


R. Watrianthos, “Analisis Pembelajaran Daring di Era Pandemic Covid-19,” Merdeka Kreat. di Era Pandemi Covid-19, pp. 55–64, 2020.

A. Sadikin and A. Hamidah, “Pembelajaran Daring di Tengah Wabah Covid-19 (Online Learning in the Middle of the Covid-19 Pandemic),” BIODIK J. Ilm. Pendidik. Biol., vol. 6, no. 1, pp. 214–224, 2020, doi: https://doi.org/10.22437/bio.v6i2.9759.

A. Ristyawati, “Efektifitas Kebijakan Pembatasan Sosial Berskala Besar Dalam Masa Pandemi Corona Virus 2019 oleh Pemerintah Sesuai Amanat UUD NRI Tahun 1945,” Adm. Law Gov. J., vol. 3, no. 2, pp. 240–249, 2020.

H. Wijoyo, “Guru Milenial dan Covid-19,” Merdeka Kreat. di Era Pandemi Covid-19, pp. 27–41, 2020.

J. A. Septian, T. M. Fahrudin, and A. Nugroho, “Analisis Sentimen Pengguna Twitter Terhadap Polemik Persepakbolaan Indonesia Menggunakan Pembobotan TF-IDF dan K-Nearest Neighbor,” J. Intell. Syst. Comput., vol. 1, no. 1, pp. 43–49, 2019.

N. T. Romadloni, I. Santoso, and S. Budilaksono, “Perbandingan Metode Naive Bayes, KNN Dan Decision Tree Terhadap Analisis Sentimen Transportasi KRL Commuter Line,” J. IKRA-ITH Inform., vol. 3, no. 2, pp. 1–9, 2019.

N. O. F. Daeli and Adiwijaya, “Sentiment Analysis on Movie Reviews Using Information Gain and K-Nearest Neighbor,” J. Data Sci. Its Appl., vol. 3, no. 1, pp. 1–7, 2020, doi: 10.34818/JDSA.2020.3.22.

F. Nurulbaiti and M. S. Retno Subekti, “Analisis Sentimen Terhadap Data Tweet Untuk Badan Penyelenggara Jaminan Sosial (BPJS) Menggunakan Program R,” J. Pendidik. Mat. dan Sains, pp. 1–9, 2020.

F. V. Sari and A. Wibowo, “Analisis Sentimen Pelanggan Toko Online Jd.Id Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi,” J. SIMETRIS, vol. 10, no. 2, pp. 681–686, 2019.

E. B. Santoso and A. Nugroho, “Analisis Sentimen Calon Presiden Indonesia 2019 Berdasarkan Komentar Publik di Facebook,” J. Eksplora Inform., vol. 9, no. 1, pp. 60–69, 2019, doi: 10.30864/eksplora.v9i1.254.

S. N. J. Fitriyyah, N. Safriadi, and E. E. Pratama, “Analisis Sentimen Calon Presiden Indonesia 2019 dari Media Sosial Twitter Menggunakan Metode Naive Bayes,” JEPIN (Jurnal Edukasi dan Penelit. Inform., vol. 5, no. 3, pp. 279–285, 2019.

P. Antinasari, R. S. Perdana, and M. A. Fauzi, “Analisis Sentimen Tentang Opini Film Pada Dokumen Twitter Berbahasa Indonesia Menggunakan Naive Bayes Dengan Perbaikan Kata Tidak Baku,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 1, no. 12, pp. 1733–1741, 2017.

G. A. Buntoro, “Analisis Sentimen Calon Gubernur DKI Jakarta 2017 Di Twitter,” Integer J., vol. 2, no. 1, pp. 32–41, 2017.

B. Liu, M. Hu, and J. Cheng, “Opinion Observer : Analyzing and Comparing Opinions on the Web,” Proc. 14th Int. World Wide Web Conf., 2005.

D. H. Wahid and A. SN, “Peringkasan Sentimen Esktraktif di Twitter Menggunakan Hybrid TF-IDF dan Cosine Similarity,” J. IJCCS, vol. 10, no. 2, pp. 207–218, 2017.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Senamika

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.