Analisis Sentimen Penerapan Kurikulum Merdeka Pada Pengguna Twitter Menggunakan Metode K-Nearest Neighbor Dengan Forward Selection

Wachid Darmawan, Muhammad Faizal Kurniawan, Wahyu Setianto, Wim Hapsoro

Abstract


Kurikulum yang di terapkan di Indonesia untuk kegiatan belajar mengajar selalu mengalami perubahan yang tujuannya untuk meningkatkan sistem pembelajaran yang ada. Kurikulum terbaru yang di terapkan pemerintah adalah kurikulum merdeka. Kurikulum merdeka ini akan serta merta menggantikan kurikulum 2013, walaupun saat ini masih ada sekolah yang menerapakan kurikulum 2013. Kurikulum yang baru diluncurkan dan diterapkan tahun ajaran 2022/2023 sudah banyak dirasakan dan banyak bermunculan opini yang bernada positif ataupun negatif di Twitter. Untuk mengetahui Analisis Sistemen dari opini yang ada, akan digunakan metode klasifikasi pada hasil opini masyarakat yang ada di Twitter. Data yang digunakan sebanyak 500 tweet, setelah dilakukan pembersihan data didapatkan data sebanyak 220 tweet, terdiri dari 110 data tweet positif dan 110 data tweet negatif. Metode klasifikasi yang digunakan untuk mengetahui Analisis Sentimen pada kurikulum Merdeka Belajar adalah metode K-Nearest Neighbor (K-NN) dengan Forward Selection (FS). Berdasarkan ekperimen yang sudah dilakukan metode K-NN akurasinya sebesar 73.64%, sedangkan K-NN + FS akurasinya meningkat menjadi 76.82%. berdasarkan perhitungan machine learning dihasilkan Sentimen Analisis bernada atau opini negatif yang banyak di tweetkan oleh masyarakat terkait penerapan Kurikulum Merdeka. Untuk penelitian selanjutnya bisa menggunnakan algoritma klasifikasi lainya serta ada penambahan datasetnya.

Full Text:

References


M. A. Rizaty, "Pengguna Twitter di Indonesia Capai 18,45 Juta pada 2022," 10 Agustus 2022. [Online]. Available: https://dataindonesia.id/digital/detail/pengguna-twitter-di-indonesia-capai-1845-juta-pada-2022.

M. R. Irfan, M. A. Fauzi and Tibyani, "Analisis Sentimen Kurikulum 2013 pada Twitter menggunakan Ensemble Feature dan Metode K-Nearest Neighbor," Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, pp. 3006-3014, 2018.

N. F. F. d. Silva, E. R. Hruschka and E. R. Hruschka, "Tweet sentiment analysis with classifier ensembles," Decision Support Systems, pp. 170-179, 2014.

N. Kholila, "Analisis Sentimen terhadap Program Merdeka Belajar Kampus Merdeka pada Twitter menggunakan Support Vector Machine (SVM)," ANTIVIRUS: Jurnal Ilmiah Teknik Informatika, pp. 252-261, 2021.

A. Rozaq, Y. Yunitasari, K. Sussolaikah, E. R. N. Sari and R. I. Syahputra, "Analisis Sentimen Terhadap Implementasi Program Merdeka Belajar Kampus Merdeka Menggunakan Naïve Bayes, K-Nearest Neighboars dan Decision Tree," Jurnal Media Informatika Budidarma, pp. 746-750, 2022.

J. Han, M. Kamber and J. Pei, Data Mining Concepts and Techniques Third Edition, Burlington, Middlesex County: Morgan Kaufmann Publishers, 2012.

D. Cahyanti, A. Rahmayani and S. A. Husniar, "Analisis performa metode Knn pada Dataset pasien pengidap Kanker Payudara," Indonesian Journal of Data and Science, pp. 39-43, 2020.

E. Hardiyanto and F. Rahutomo, "Studi Awal Klasifikasi Artikel Wikipedia Bahasa Indonesia Dengan Menggunakan Metoda K Nearest Neighbor," in Prosiding Sentrinov (Seminar Nasional Terapan Riset Inovatif), Semarang, 2016.

V. Bijalwan, V. Kumar, P. Kumari and J. Pascual, "KNN Based Machine Learning Approach for Text and Document Mining," International Journal of Database Theory and Application, pp. 61-67, 2014.

R. Noori, A. R. Karbassi, A. M. Nia, D. Han, M. H. Z. Ashtiani, A. Farokhnia and M. G. Gousheh, "Assessment of Input Variables Determination on the SVM Model Performance Using PCA, Gamma Test, and Forward Selection Techniques for Monthly Stream Flow Prediction," Journal of Hydrology, vol. 401, no. 3-4, pp. 177-189, 2011.

A. P. Wibowo, W. Darmawan and N. Amalia, "Komparasi Metode Naïve Bayes dan K-Nearest Neighbor terhadap Analisis Sentimen Pengguna Aplikasi Pedulilindungi," IC-Tech - Journal of Informatic and Computer Technology, vol. 17, no. 1, pp. 18-23, 2022.

N. Indriantoro and B. Supomo, Metodologi Penelitian Bisnis: Untuk Akuntansi dan Manajemen, Yogyakarta: Penerbit BPFE, 2016.




DOI: https://doi.org/10.30591/smartcomp.v12i1.4634

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

========================================================================

Smart Comp Indexed By:

Flag Counter

 

View My Stats

 

 

 

Creative Commons License

 

 

 

This work is licensed under a Creative Commons Attribution 4.0 International License.