IMPLEMENTASI ALGORITMA MULTINOMIAL NAÏVE BAYES UNTUK ANALISIS SENTIMEN TWITTER TERHADAP KEBIJAKAN MERDEKA BELAJAR

Wilindia, Aswa Salsabilla (2023) IMPLEMENTASI ALGORITMA MULTINOMIAL NAÏVE BAYES UNTUK ANALISIS SENTIMEN TWITTER TERHADAP KEBIJAKAN MERDEKA BELAJAR. Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.

	Text 1. PENDAHULUAN.pdf Download (907kB)
	Text 2. ABSTRAK.pdf Download (260kB)
	Text 3. BAB I.pdf Download (410kB)
	Text 4. BAB II.pdf Restricted to Repository staff only Download (603kB) \| Request a copy
	Text 5. BAB III.pdf Restricted to Repository staff only Download (632kB) \| Request a copy
	Text 6. BAB IV.pdf Restricted to Repository staff only Download (1MB) \| Request a copy
	Text 7. BAB V.pdf Restricted to Repository staff only Download (340kB) \| Request a copy
	Text 8. DAFTAR PUSTAKA.pdf Download (375kB)
	Text 9. LAMPIAN.pdf Restricted to Repository staff only Download (765kB) \| Request a copy
	Text 10. JURNAL.pdf Download (1MB)

Abstract

Merdeka belajar adalah program yang dibuat oleh Kementerian Pendidikan dan Kebudayaan Republik Indonesia (Kemendikbud RI) yang diumumkan pada tahun 2019 oleh Menteri Pendidikan dan Kebudayaan Republik Indonesia Kabinet Indonesia Maju, Nadiem Anwar Makarim. Kebijakan merdeka belajar bertujuan untuk memberikan kebebasan kepada siswa dalam proses pembelajaran, untuk meningkatkan kemampuannya dalam memenuhi kebutuhan zaman yang semakin modern seiring dengan perkembangan teknologi yang signifikan. Namun, pencapaian program merdeka belajar menimbulkan banyak komentar pro dan kontra dari masyarakat luas, yang disampaikan secara langsung maupun melalui media sosial. Twitter merupakan salah satu media sosial yang banyak digunakan untuk menyampaikan opini dan aspirasi dari masyarakat luas menggunakan pesan yang biasa disebut dengan tweet, yang bersifat positif, negatif dan netral. Tujuan dari penelitian ini adalah untuk melalukan analisis sentimen opini publik terhadap kebijakan merdeka belajar, serta untuk mengetahui hasil akurasi, presisi dan recall yang paling optimal menggunakan algoritma Multinomial Naïve Bayes dengan ekstraksi fitur TF-IDF. Hasil penelitian menunjukkan nilai akurasi tertinggi pada fold k=10 pada langkah uji 5 dengan hasil 75.38%, presisi 76.32%, dan recall 80.56%. Hasil sentimen yang didapatkan adalah sebanyak 29 data dengan sentimen positif dan sebanyak 36 data dengan sentimen negatif

Item Type:

Thesis (Undergraduate)

Uncontrolled Keywords:

Merdeka Belajar, Twitter, Analisis Sentimen, Multinomial Naïve Bayes, TF-IDF

Subjects:

000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science

Divisions:

Faculty of Engineering > Department of Informatics Engineering (S1)

Department:

S1 Teknik Informatika

Depositing User:

ASWA SALSABILLA WILINDIA