Analisis Sentimen Terhadap Program Kampus Merdeka Pada Twitter Menggunakan Metode Naïve Bayes, Union dan Synthetic Minority Over Sampling Technique (SMOTE)

Abstract

Program Kampus Merdeka bertujuan menyiapkan mahasiswa menghadapi tantangan perubahan social, dan kemajuan teknologi yang semakin cepat. Dengan program ini diharapkan perguruan tinggi dapat menghasilkan lulusan yang dapat menghadapi dinamika masyarakat dalam dunia usaha dan dunia industri. Kebijakan Kampus Merdeka yang memberikan ruang untuk mengambil prodi lain atau prodi sama di kampus lain sama sekali. Twitter salah satu media yang digemari digunakan sebagai media bersosialisasi, bertukar informasi dan berpendapat sehingga sesuai sebagai sumber analisa sentiment. Mengumpulkan, mengenali, mengekstrak opini dalam bentuk teks sehingga dapat digunakan sebagai informasi yang bermanfaat. Algoritma klasifikasi Naïve Bayes memprediksi apakah suatu opini bernilai positif atau negative. Menganalisa data dengan jumlah besar membutuhkan operator Union. Berdasarkan hasil analisa akumulasi sentiment menghasilkan nilai positif 86% dibandingkan yang memberikan nilai negative 14%. Sehingga dapat disimpulan Program Merdeka Belajar memberikan opini baik. Selain itu untuk mengoptimalkan data yang tidak seimbang digunakan Synthetic Minority Oversampling Technique (SMOTE) menghasilkan keakuratan data sebesar 99.21% sedangkan tanpa SMOTE keakuratan data hanya 77.60%. Sehingga dapat disimpulan Program Merdeka Belajar memberikan opini baik.