Analisis Sentimen Terhadap Belajar Online pada Media Sosial Twitter Menggunakan Algoritma Naive Bayes

Oktavia Putri Zusrotun; Alif Catur Murti; Rina Fiati

doi:10.23887/janapati.v11i3.49160

Authors

Oktavia Putri Zusrotun Universitas Muria Kudus
Alif Catur Murti Universitas Muria Kudus
Rina Fiati Universitas Muria Kudus

DOI:

https://doi.org/10.23887/janapati.v11i3.49160

Abstract

Aktivitas belajar online kini menjadi pemandangan yang biasa kita jumpai di masa pandemi. Karena penyebaran virus yang cepat, lembaga pendidikan terpaksa mengubah metode pembelajaran yang semula dilakukan secara tatap muka dengan pembelajaran online. Pembelajaran online memiliki beberapa kelemahan yaitu penggunaan internet memerlukan infrastruktur yang memadai, membutuhkan biaya yang banyak, komunikasi melalui internet memiliki berbagai kendala atau lambat. Dengan kekurangan dan perubahan mendadak seperti ini, menimbulkan pro dan kontra di masyarakat, khususnya bagi para pelaku pendidikan. Media sosial, khususnya Twitter, kini menjadi salah satu wadah dimana para siswa dapat secara efektif dan efisien menyuarakan keluhan mereka tentang situasi dan kondisi pendidikan saat ini. Untuk mengetahui pandangan masyarakat terhadap pembelajaran online, disini penulis mencoba melakukan analisis sentimen berdasarkan sentimen masyarakat melalui Twitter, baik itu pandangan positif, negatif atau netral dengan menggunakan algoritma Naïve Bayes. Analisis akan dilakukan menggunakan Microsoft Excel dan RapidMiner dengan bahasa pemrograman Python. Uji model dilakukan dengan menggunakan library python yaitu MultinomialNaiveBayes dengan akurasi diperoleh sebesar 74,08%. Dalam proses uji model, besarnya data tes diambil 30% dari data training yang dilakukan secara acak. Evaluasi model yang dilakukan pada penelitian ini menggunakan 15 fold cross validation dengan hasil akurasi 76,39%.

Kata kunci: Belajar Online, Twitter, Naïve Bayes, Phyton, RapidMiner

References

Kemendikbud, “Surat Edaran Nomor 1 Tahun 2020 tentang Pencegahan Penyebaran Corona Virus Disease (Covid019) Di Perguruan Tinggi, Kementrian Pendidikan dan Kebudayaan,” 2020.

A. Syahputri dan M. Zarlis, “Analisis Klasifikasi Sentimen Mahasiswa Terhadap Strategi Pembelajaran Online Pada Media Sosial Twitter Menerapkan Metode Naïve Bayes,” vol. 4, no. 1, 2020, doi: 10.30865/komik.v4i1.2567.

S. Samsir, A. Ambiyar, U. Verawardina, F. Edi, dan R. Watrianthos, “Analisis Sentimen Pembelajaran Daring Pada Twitter di Masa Pandemi COVID-19 Menggunakan Metode Naïve Bayes,” J. MEDIA Inform. BUDIDARMA, vol. 5, no. 1, hlm. 157, Jan 2021, doi: 10.30865/mib.v5i1.2580.

S. Yana Nursyi’ah, A. Erfina, dan C. Warman, “ANALISIS SENTIMEN PEMBELAJARAN DARING PADA MASA PANDEMI COVID-19 DI TWITTER MENGGUNAKAN ALGORITMA NAÏVE BAYES,” 2021.

S. H. Sahir, R. S. Ayu Ramadhana, M. F. Romadhon Marpaung, S. R. Munthe, dan R. Watrianthos, “Online learning sentiment analysis during the covid-19 Indonesia pandemic using twitter data,” IOP Conf. Ser. Mater. Sci. Eng., vol. 1156, no. 1, hlm. 012011, Jun 2021, doi: 10.1088/1757-899x/1156/1/012011.

F. Sidik, I. Suhada, A. Haikal Anwar, dan F. Noor Hasan, “Analisis Sentimen Terhadap Pembelajaran Daring dengan Algoritma Naïve Bayes Classifier,” J. Linguist. Komputasional JLK, vol. 5, no. 1, hlm. 34–43, 2022.

R. Pinka dkk., “SENTIMENT ANALYSIS OF PUBLIC OPINIONS ON THE EFFECTIVENESS OF ONLINE LEARNING USING NAÏVE BAYES ALGORITHM,” J. Inf. Syst. Inform. Comput. Issue Period, vol. 6, no. 1, hlm. 273–279, 2022, doi: 10.52362/jisicom.v6i1.822.

Hermanto dan A. Noviriandini, “ANALISA SENTIMEN TERHADAP BELAJAR ONLINE PADA MASA COVID-19 MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE BERBASIS PARTICLE SARM OPTIMAZATION,” J. Inform. KaputamaJIK, vol. V, no. 1, hlm. 129–136, 2021.

D. Rustiana dan N. Rahayu, “ANALISIS SENTIMEN PASAR OTOMOTIF MOBIL: TWEET TWITTER MENGGUNAKAN NAÏVE BAYES,” J. SIMETRIS, vol. VIII, no. 1, hlm. 113–120, 2017.

M. Y. Aldean, M. D. Hilmawan, R. Indriyati, J. Lasama, dan A. Junaidi, “Analisa Relevansi Tweet terhadap Hashtag dengan Metode Logistic Regression,” Conf. Electr. Eng. Telemat. Ind. Technol. Creat. 2019, hlm. 25–38, 2019.

M. Syarifuddin, “ANALISIS SENTIMEN OPINI PUBLIK TERHADAP EFEK PSBB PADA TWITTER DENGAN ALGORITMA DECISION TREE-KNN-NAÏVE BAYES,” INTI Nusa Mandiri, vol. XV, no. 1, hlm. 87–94, 2020, doi: 10.33480/inti.v15i1.1433.

M. I. Aditama, R. I. Pratama, K. U. W. Hafizzana, dan N. A. Rakhmawati, “Analisis Klasifikasi Sentimen Pengguna Media Sosial Twitter Terhadap Pengadaan Vaksin COVID-19,” JIEET J. Inf. Eng. Educ. Technol., vol. VI, no. 2, hlm. 90–92, 2020.

H. Annur, “Klasifikasi Masyarakat Miskin Menggunakan Metode Naive Bayes,” Ilk. J. Ilm., vol. 10, no. 2, hlm. 160–165, Agu 2018, doi: 10.33096/ilkom.v10i2.303.160-165.

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

F. Ratnawati, “Implementasi Algoritma Naive Bayes Terhadap Analisis Sentimen Opini Film Pada Twitter,” J. INOVTEK POLBENG -SERI Inform., vol. III, no. 1, hlm. 50–59, 2018.