ANALISIS SENTIMEN TERHADAP SKEMA STUDENT LOAN UNTUK BIAYA PERGURUAN TINGGI PADA TWITTER MENGGUNAKAN ALGORITMA NAÏVE BAYES

Abstract

Penelitian ini menganalisis sentimen masyarakat terhadap wacana penerapan skema student loan untuk biaya pendidikan tinggi di Indonesia. Data dikumpulkan dari media sosial Twitter atau X menggunakan Twitter API, menghasilkan 1.284 tweet setelah melalui tahap preprocessing. Metode yang digunakan adalah Knowledge Discovery in Database (KDD), meliputi data selection, preprocessing, transformation, data mining, dan evaluation. Pembobotan sentimen dilakukan menggunakan lexicon dan kamus kata negatif, kemudian dilanjutkan dengan metode TF-IDF. Hasil analisis menunjukkan terdapat 497 tweet positif, 501 negatif, dan 286 netral. Dataset dibagi menjadi data training dan testing dengan empat rasio pembagian, yaitu 90:10, 80:20, 70:30, dan 60:40. Model klasifikasi dibangun menggunakan algoritma Naïve Bayes Classifier, dengan pengujian performa melalui Confusion Matrix dan ROC AUC untuk mengukur akurasi, presisi, recall, F1-score, dan AUC. Penelitian ini memberikan manfaat teoritis berupa pengklasifikasian sentimen masyarakat terhadap skema student loan, serta manfaat praktis untuk pemerintah dalam memahami opini publik sebagai bahan pertimbangan kebijakan. Hasilnya menunjukkan bahwa analisis sentimen adalah pendekatan efektif untuk mengevaluasi tanggapan masyarakat terhadap kebijakan pendidikan, mendukung pengambilan keputusan yang lebih matang dalam penerapan skema student loan.