ANALISIS SENTIMEN TWITTER UNTUK MENILAI KESIAPAN PEMBELAJARAN TATAP MUKA TERBATAS DENGAN INSET LEXICON DAN LEVENSHTEIN DISTANCE

Abstract

Pembelajaran tatap muka terbatas atau PTM Terbatas merupakan pembelajaran yang dilaksanakan melalui komunikasi secara langsung antara guru dan siswa dalam suatu tempat tanpa adanya perantara media virtual tapi dengan menerapkan beberapa batasan seperti batasan durasi dan jarak. PTM Terbatas pada masa pandemi ini sulit dilakukan karena harus menyesuaikan dengan protokol kesehatan. Kesiapan dari sisi siswa, orang tua siswa, bahkan guru terkait dengan PTM Terbatas belum sepenuhnya terlihat. Kesiapan maupun ketidaksiapan ini dapat dilihat melalui opini pihak yang melaksanakan PTM Terbatas pada sosial media, salah satunya adalah Twitter. Opini terhadap PTM Terbatas ini dapat menjadi salah satu informasi yang dibutuhkan untuk melihat kecenderungan sentimen dari opini masyarakat apakah cenderung siap (sentimen positif) atau tidak siap (sentimen negatif) terhadap kebijakan PTM Terbatas. Kecenderungan sentimen masyarakat dapat dicari dengan melakukan analisis sentimen. Pada penelitian ini, analisis sentimen menggunakan metode inset lexicon untuk melakukan pembobotan tweet dan levenshtein distance untuk perbaikan typo. Tujuan dari penelitian ini adalah untuk mengukur performa metode inset lexicon yang dikombinasikan dengan algoritma levenshtein distance serta untuk mengetahui kesiapan masyarakat terhadap kegiatan PTM Terbatas. Hasilnya, pengukuran performa metode dengan confusion matrix memperlihatkan tingkat akurasi inset lexicon yang dikombinasikan dengan algoritma levenshtein distance adalah 74.03%, recall 78.32%, presisi 73.94%, dan f-1 score 76.07%. Dalam penelitian ini, jumlah sentimen positif lebih banyak dibandingkan dengan sentimen negatif yang berarti masyarakat diprediksi siap melaksanakan PTM Terbatas.