ANALISIS SENTIMEN PENERAPAN KURIKULUM MERDEKA PADA TWITTER DENGAN METODE NAÏVE BAYES

Penulis

  • Akbar Adi Susanto Teknik Informatika, Fakultas Teknologi Informasi, Universitas Budi Luhur, DKI Jakarta, Indonesia
  • Painem Painem Teknik Informatika, Fakultas Teknologi Informasi, Universitas Budi Luhur, DKI Jakarta, Indonesia
  • Mohammad Syafrullah Teknik Informatika, Fakultas Teknologi Informasi, Universitas Budi Luhur, DKI Jakarta, Indonesia
  • Rizky Pradana Sistem Informasi, Fakultas Teknologi Informasi, Universitas Budi Luhur, DKI Jakarta, Indonesia

Kata Kunci:

Kurikulum Merdeka, Multinomial Naive Bayes, Sentimen Analisis, Ulasan Twitter

Abstrak

Bulan Februari tahun 2022 Kemendikbudristek baru saja meluncurkan kurikulum terbaru yang dinamakan dengan nama Kurikulum Merdeka. Kurikulum Merdeka merupakan kurikulum pembelajaran intrakurikuler yang beragam, dimana konten akan lebih optimal agar peserta didik mempunyai waktu yang cukup untuk mendalami konsep dan menguatkan kompetensi. Salah satu tujuan dari Kurikulum Merdeka yaitu menciptakan pendidikan yang menyenangkan bagi peserta didik dan guru. Nantinya, guru memiliki kekuasaan untuk memilih berbagai macam perangkat ajar sehingga pembelajaran bisa disesuaikan dengan kebutuhan belajar dan minat peserta didik. Kurikulum ini untuk menguatkan pencapaian profil pelajar Pancasila yang dikembangkan berdasarkan tema tertentu oleh pemerintah. Yang mana proyek tersebut tidak diarahkan untuk mencapai target capaian pembelajaran tertentu, sehingga tidak terikat pada konten mata pelajaran. Dalam penelitian ini membahas mengenai kurikulum tersebut dengan tujuan untuk melakukan klasifikasi dari tweet yang didapatkan melalui API Twitter mengenai penerapan dari Kurikulum Merdeka dengan metode yang digunakan adalah Multonomial Naïve Bayes. Terdapat beberapa tahapan klasifikasi yang dilakukan yaitu pengumpulan data, pelabelan data, preprocessing, klasifikasi, dan pengujian. Data yang terdapat dalam penelitian sejumlah 538 data yang dikumpulkan dengan periode waktu 5 November sampai dengan 14 November 2022 dan hanya digunakan untuk klasifikasi sebanyak 256 dengan data tweet positif berjumlah 135 dan negatif berjumlah 121. Dan hasil pengujiannya menunjukkan nilai akurasi yang didapatkan sebesar 96%, kemudian presisi 100%, dan recall 95%.

Referensi

Hootsuite (We Are Social): Indonesian Digital Report 2matriz022. [Online]. Available: https://andi.link/hootsuite-we-are-social-indonesian-digital-report-2022, 2022

A. Turmudi and K. S. Yasah, “Analisa Sentimen Tweet Indonesia Menggunakan Fitur Ekstrasi Dan Teknik Cross Validation Terhadap Model Naive Bayes,” SIGMA J. Teknol. Pelita Bangsa, vol. 11, no. 3, pp. 137–142, 2020.

Rozi, I., Pramono, S. and Dahlan, E. “Implementasi Opinion Mining (Analisis Sentimen) Untuk Ekstraksi Data Opini Publik Pada Perguruan Tinggi,” Jurnal EECCIS, vol. 6, no. 1, pp. 37-43, 2018.

P. Arsi, B. A. Kusuma, and A. Nurhakim, “Analisis Sentimen Pindah Ibu Kota Berbasis Naive Bayes Classifier,” J. Inform. Upgris, vol. 7, no. 1, pp. 1–6, 2021, doi: 10.26877/jiu.v7i1.7636.

Kosasih, R. et al. “Perancangan Sistem Otomatis Transaksi Pembayaran Pada Marketplace UMKM Menggunakan Metode Crawling Horspool,”, vol. 6, pp. 2247-2256, 2022.

R. Naquitasia, D. H. Fudholi, and L. Iswari, “Analisis Sentimen Berbasis Aspek pada Wisata Halal dengan Metode Deep Learning,” J. Teknoinfo, vol. 16, no. 2, p. 156, 2022, doi: 10.33365/jti.v16i2.1516.

Silitonga, Y. R. et al. “Sistem Pendeteksi Berita Hoax Di Media Sosial Dengan Teknik Data Mining Scikit Learn,” vol. 4, pp. 173-179, 2019.

Rahmah, A., Santoso, H. B. and Hasibuan, Z. A. “Characteristics analysis for technology enhanced learning maturity: A qualitative approach,” ICCE 2019 - 27th International Conference on Computers in Education, Proceedings, vol. 1, no. 1, pp. 487-489, 2019.

H. F. Putro, R. T. Vulandari, and W. L. Y. Saptomo, “Penerapan Metode Naive Bayes Untuk Klasifikasi Pelanggan,” J. Teknol. Inf. dan Komun., vol. 8, no. 2, 2020, doi: 10.30646/tikomsin.v8i2.500.

Nofiyani and Wulandari. “Implementasi Electronic Data Processing Untuk meningkatkan Efektifitas dan Efisiensi Pada Text Mining,” Jurnal Media Informatika Budidarma, vol. 6, pp. 1621-1629, 2022.Nofiyani and Wulandari. “Implementasi Electronic Data Processing Untuk meningkatkan Efektifitas dan Efisiensi Pada Text Mining,” Jurnal Media Informatika Budidarma, vol. 6, pp. 1621-1629, 2022.

Unduhan

Diterbitkan

30-04-2023

Cara Mengutip

Susanto, A. A., Painem, P., Syafrullah, M., & Pradana, R. (2023). ANALISIS SENTIMEN PENERAPAN KURIKULUM MERDEKA PADA TWITTER DENGAN METODE NAÏVE BAYES. Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 2(1), 227–234. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/576

Terbitan

Bagian

Artificial Intelligence

Artikel paling banyak dibaca berdasarkan penulis yang sama

<< < 1 2 3 4 5 > >>