IMPLEMENTASI PEMBOBOTAN BOW DAN TF-IDFPADA ALGORITMA RANDOM FOREST UNTUK ANALISIS SENTIMEN(Studi Kasus : Program Merdeka Belajar Kampus Merdeka)

• Main Author: Azri Ansori Rahman, - (Author)
• Format: Book
• Published: 2023-08-28.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Link Metadata

Summary

Program Merdeka Belajar Kampus Merdeka adalah sebuah program yang dicanangkan oleh Kemendikbudristek untuk mengembangkan kompetensi di berbagai bidang ilmu guna persiapan menghadapi tantangan dunia kerja. Namun pelaksanaan program Merdeka Belajar Kampus Merdeka ini menuai pro dan kontra. Twitter menjadi salah satu media sosial yang mewadahi pendapat masyarakat mengenai program Merdeka Belajar Kampus Merdeka. Penelitian ini bertujuan untuk memperoleh hasil klasifikasi sentiment terkait kebijakan Merdeka Belajar Kampus Merdeka di Twitter. Data penelitian ini adalah tweet dengan kata kunci "MBKM", "MSIB", dan "Kampus Merdeka". Algoritma klasifikasi yang digunakan adalah Random Forest dengan pembobotan fitur Bag of Words dan TF-IDF. Diperoleh hasil klasifikasi pada data dengan pembobotan fitur Bag of Words terdiri dari 31% sentimen positif dan 69% sentimen negatif dengan akurasi model 87,01%, presisi 92%, recall 81% dan F-Measure 84%. Sedangkan pada data dengan pembobotan fitur TF-IDF diperoleh klasifikasi dengan 32% sentimen positif dan 68% sentimen negatif dengan akurasi model 92,21%, presisi 93%, recall 90% dan F�Measure 91%. Berdasarkan hasil evaluasi menggunakan kurva AUC-ROC, kombinasi algoritma Random Forest dengan pembobotan fitur Bag of Words merupakan klasifikasi yang baik. Sedangkan kombinasi algoritma Random Forest dengan pembobotan fitur TF-IDF berdasarkan kurva AUC-ROC merupakan klasifikasi yang sangat baik Merdeka Belajar - Kampus Merdeka Program is a program launched by the Ministry of Education and Culture and Research to develop competencies in various fields of science in preparation for the challenges of work. However, the implementation of the Merdeka Belajar - Kampus Merdeka program has drawn pros and cons. Twitter is one of the social media that accommodates public opinions about the Merdeka Belajar - Kampus Merdeka program. This study aims to obtain sentiment classification results related to the Merdeka Belajar - Kampus Merdeka policy on Twitter. This research data are tweets with the keywords "MBKM", "MSIB", and "Merdeka Kampus". The classification algorithm used is Random Forest with Bag of Words and TF-IDF. The classification results obtained on data with Bag of Words consist of 31% positive sentiment and 69% negative sentiment with 87.01% model accuracy, 92% precision, 81% recall and 84% F-Measure. Meanwhile, data with TF-IDF obtained classification with 32% positive sentiment and 68% negative sentiment with model accuracy 92.21%, precision 93%, recall 90% and F-Measure 91%. Based on the evaluation results using the AUC-ROC curve, the combination of the Random Forest algorithm with Bag of Words is a good classification. While the combination of the Random Forest algorithm with TF-IDF based on the AUC-ROC curve is an excellent classification.

Item Description

http://repository.upi.edu/102235/1/S_MAT_1906318_Title.pdf
http://repository.upi.edu/102235/2/S_MAT_1906318_Chapter1.pdf
http://repository.upi.edu/102235/3/S_MAT_1906318_Chapter2.pdf
http://repository.upi.edu/102235/4/S_MAT_1906318_Chapter3.pdf
http://repository.upi.edu/102235/5/S_MAT_1906318_Chapter4.pdf
http://repository.upi.edu/102235/6/S_MAT_1906318_Chapter5.pdf
http://repository.upi.edu/102235/7/S_MAT_1906318_Appendix.pdf