Komparasi Metode Klasifikasi Untuk Analisis Sentimen Pengguna Twitter Terhadap Penerapan Kurikulum Merdeka

Abstract

Di Indonesia, kegiatan belajar mengajar menggunakan kurikulum yang seringkali mengalami perubahan, tujuan perubahan tersebut adalah agar sistem pendidikan yang ada menjadi lebih baik. Kurikulum merdeka merupakan kurikulum yang diterapkan saat ini yang diluncurkan dan diperkenalkan pada tahun ajaran 2022/2023. Dengan adanya kurikulum merdeka banyak pendapat (opini) yang bernada positif ataupun bernada negatif yang muncul di Twitter. Untuk mengetahui akurasi dataset yang dihasilkan dari opini yang ada menggunakan metode klasifikasi. Selain itu metode klasifikasi digunakan untuk mengetahui model klasifikasi terbaik, serta dapat mengetahui analisis sentimen yang dihasilkan dari opini yang ada. Metode yang digunakan untuk klasifikasi adalah k-Nearest Neighbor (K-NN), Naive Bayes (NB) dan Support Vector Machine (SVM). Komparasi metode ini bertujuan untuk menemukan metode terbaik dari dataset yang ada, berdasarkan hasil akurasi yang dihasilkan dari ketiga metode tersebut. Dataset tweet yang dikumpulkan sebanyak 1000 tweet, setelah data dibersihkan diperoleh 220 tweet yang terdiri dari 110 tweet positif dan 110 tweet negatif. Berdasarkan perhitungan ketiga metode dengan menggunakan tools Rapidminer didapatkan  akurasi sebagai berikut: untuk metode K-NN adalah 76,36%, akurasi metode NB adalah 70,91%,  sedangkan akurasi metode SVM adalah 62,73%. Dari hasil tersebut dapat disimpulkan metode K-NN mendapatkan nilai akurasi terbaik dari metode klasifikasi yang digunakan. Selain itu pada perhitungan machine learning, metode SVM menghasilkan klasifikasi terbaik dalam memprediksi, dengan kategori excellent klasifikasi sumbu Y mendekati 1.00. Tidak hanya itu penerapan kurikulum merdeka oleh masyarakat banyak ditweetkan dengan opini yang bernada negatif.  Harapan untuk penelitian kedepan adalah  dapat menambahkan jumlah dataset tweet, serta menggunakan algoritma tambahan untuk meningkatkan akurasi dari metode klasifikasi.