Evaluasi Sentimen Masyarakat di Platform Media Sosial terhadap Kartu Indonesia Pintar Kuliah (KIP-K) Berbasis Multinomial Naive Bayes

Kartu Indonesia Pintar Kuliah (KIP-K) merupakan program bantuan pendidikan pemerintah yang banyak dibahas di media sosial X (sebelumnya Twitter). Beragam komentar yang berisi apresiasi, kritik, dan saran menunjukkan adanya respons positif maupun negatif dari masyarakat sehingga diperlukan analisis sentimen untuk mengetahui kecenderungan opini publik terhadap program tersebut. Penelitian ini bertujuan untuk mengetahui tingkat akurasi, presisi, dan recall algoritma Multinomial Naïve Bayes dengan teknik balancing Random Undersampling, serta mengetahui jumlah sentimen positif dan negatif terhadap KIP-K. Penelitian ini menggunakan 1.000 data yang diperoleh dari media sosial X. Berdasarkan hasil pelabelan manual, dataset terdiri atas 620 sentimen postif dan 380 sentimen negatif. Proses analisis dilakukan melalui tahapan text preprocessing, TF-IDF, Random Undersampling, dan klasifikasi menggunakan algoritma Multinomial Naïve Bayes dengan evaluasi menggunakan 2-fold, 5-fold, dan 10-fold cross validation. Hasil penelitian menunjukkan bahwa rata-rata performa terbaik diperoleh pada skenario 2-fold cross validation dengan akurasi 73,30%, presisi 71,67%, dan recall 70,88%. Selain itu, Random Undersampling berhasil menyeimbangkan distribusi kelas pada data latih dari 559 data sentimen positif dan 341 data sentimen negatif menjadi distribusi seimbang, yaitu masing-masing 341 data pada setiap kelas. Berdasarkan hasil tersebut, algoritma Multinomial Naïve Bayes dengan teknik Random Undersampling memberikan performa yang cukup baik dalam mengevaluasi sentimen masyarakat terhadap KIP-K.