Perbandingan Pelabelan Data dalam Analisis Sentimen Kurikulum Proyek di platform TikTok: Pendekatan Naïve Bayes
Main Article Content
Abstract
Penelitian ini fokus pada analisis sentimen mahasiswa terhadap perubahan kurikulum berbasis proyek di tingkat pendidikan tinggi yang menghilangkan kewajiban skripsi, Data sentimen diekspresikan melalui platform media sosial TikTok, dan algoritma Naïve Bayes digunakan untuk mengklasifikasikan sentimen menjadi positif atau negatif. Proses penelitian mencakup pengambilan data, pembersihan data, preprocessing data, pelabelan data, hingga klasifikasi menggunakan algoritma Naive Bayes. Penelitian ini melibatkan dua tahap pelabelan dalam 913 data: pelabelan pertama manual menghasilkan 510 sentimen positif dan 403 negatif, sementara pelabelan kedua otomatis dengan RapidMiner menghasilkan 415 sentimen positif dan 498 negatif. Beberapa mahasiswa memberikan ulasan positif menganggap hal ini sebagai langkah inovatif untuk persiapan di dunia kerja. Meskipun beberapa merasa khawatir dengan tingkat kesulitan yang lebih tinggi. Hasil penelitian menunjukkan mayoritas tanggapan positif terhadap kurikulum berbasis proyek, dengan nilai pelabelan manual mencapai accuracy 93.98%, precision 100%, recall 87.99%. Sedangkan pelabelan otomatis dengan Rapidminer memperoleh nilai accuracy 70.41%, precision 80.15%, recall 69.96%.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jurnal Eksplora Informatika bersifat open access, yaitu dapat diakses secara umum tanpa dikenakan biaya. Penulis yang menerbitkan artikelnya di Jurnal Eksplora Informatika setuju dengan ketentuan berikut:
- Penulis memegang hak cipta dan memberikan hak publikasi pertama kepada Jurnal Eksplora Informatika menggunakan lisensi Creative Commons Attribution-ShareAlike 4.0.
- Penulis diizinkan untuk mengarsipkan/menggunggah/meyimpan artikel mereka, misalnya dalam repositori institusional atau situs web/blog penulis, namun diharapkan agar memberikan rincian bibliografi yang menghargai publikasi di jurnal ini.
- Jurnal Eksplora Informatika berhak untuk menyediakan artikel dalam berbagai bentuk dan media, sehingga artikel dapat digunakan untuk teknologi terbaru bahkan setelah dipublikasikan.
- Jurnal Eksplora Informatika berhak untuk menegakkan hak-hak atas nama penulis pada artikel terhadap pihak ketiga. Misalnya dalam kasus plagiarisme atau pelanggaran hak cipta.
References
H. Wakhyudin and A. D. S. Putri, “Analisis Kecemasan Mahasiswa Dalam Menyelesaikan Skripsi,” WASIS J. Ilm. Pendidik., vol. 1, no. 1, pp. 14–18, Jun. 2020, doi: 10.24176/wasis.v1i1.4707.
Y. Alkhalifi, W. Gata, A. Prasetya, and I. Budiawan, “Analisis Sentimen Penghapusan Ujian Nasional pada Twitter Menggunakan Support Vector Machine dan Naïve Bayes berbasis Particle Swarm Optimization,” J. CoreIT J. Has. Penelit. Ilmu Komput. dan Teknol. Inf., vol. 6, no. 2, p. 71, 2020, doi: 10.24014/coreit.v6i2.9723.
A. Purnamawati, M. N. Winarto, and M. Mailasari, “Analisis Sentimen Aplikasi TikTok menggunakan Metode BM25 dan Improved K-NN Fitur Chi-Square,” J. Komtika (Komputasi dan Inform., vol. 7, no. 1, pp. 97–105, 2023, doi: 10.31603/komtika.v7i1.8938.
M. Mariati, “Analisis Dampak Media Sosial Tik-Tok Terhadap Rendahnya Hasil Belajar Afektif Siswa,” J. Pendidik. dan Media Pembelajaran, vol. 2, no. 1, pp. 38–44, 2023, doi: 10.59584/jundikma.v2i1.9.
F. Amaliah and I. K. Dwi Nuryana, “Perbandingan Akurasi Metode Lexicon Based Dan Naive Bayes Classifier Pada Analisis Sentimen Pendapat Masyarakat Terhadap Aplikasi Investasi Pada Media Twitter,” J. Informatics Comput. Sci., vol. 3, no. 03, pp. 384–393, 2022, doi: 10.26740/jinacs.v3n03.p384-393.
M. I. Petiwi, A. Triayudi, and I. D. Sholihati, “Analisis Sentimen Gofood Berdasarkan Twitter Menggunakan Metode Naïve Bayes dan Support Vector Machine,” J. Media Inform. Budidarma, vol. 6, no. 1, p. 542, 2022, doi: 10.30865/mib.v6i1.3530.
F. N. Majid and Sulastri, “Analisa Sentimen Aplikasi Pedulilindungi Dengan Metode Nbc Dan Svm,” J. Elektron. Dan Komput., vol. 16, no. 1, pp. 100–108, 2023, doi: https://doi.org/10.51903/elkom.v16i1.1000.
B. R. Atmadja, “Analisis Sentimen Bahasa Indonesia Pada Tempat Wisata Di Kabupaten Sukabumi Dengan Naive Bayes Classifier,” Elkom J. Elektron. dan Komput., vol. 15, no. 2, pp. 371–382, 2022, doi: 10.51903/elkom.v15i2.872.
N. Legiawati, T. I. Hermanto, and Y. R. Ramadhan, “Analisis Sentimen Opini Pengguna Twitter Terhadap Perusahaan Jasa Ekspedisi Menggunakan Algoritma Naïve Bayes Berbasis PSO,” JURIKOM (Jurnal Ris. Komputer), vol. 9, no. 4, p. 930, 2022, doi: 10.30865/jurikom.v9i4.4629.
A. R. Abdillah, F. N. Hasan, T. Informatika, F. N. Hasan, D. Mining, and A. Sentimen, “Analisis Sentimen Terhadap Kandidat Calon Presiden Berdasarkan Tweets Di Sosial Media Menggunakan Naive Bayes Classifier Sentiment Analysis of Presidential Candidates Based on Tweets on,” vol. 13, no. 1, pp. 117–130, 2024, doi: https://doi.org/10.32664/smatika.v13i01.750.
Yuyun, Nurul Hidayah, and Supriadi Sahibu, “Algoritma Multinomial Naïve Bayes Untuk Klasifikasi Sentimen Pemerintah Terhadap Penanganan Covid-19 Menggunakan Data Twitter,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 4, pp. 820–826, 2021, doi: 10.29207/resti.v5i4.3146.
Irvandi, B. Irawan, and O. Nurdiawan, “Naive Bayes Dan Wordcloud Untuk Analisis Sentimen Wisata Halal Pulau Lombok,” INFOTECH J., vol. 9, no. 1, pp. 236–242, 2023, doi: 10.31949/infotech.v9i1.5322.
M. Murni, I. Riadi, and A. Fadlil, “Analisis Sentimen HateSpeech pada Pengguna Layanan Twitter dengan Metode Naïve Bayes Classifier (NBC),” JURIKOM (Jurnal Ris. Komputer), vol. 10, no. 2, p. 566, 2023, doi: 10.30865/jurikom.v10i2.5984.
N. Agustina, D. H. Citra, W. Purnama, C. Nisa, and A. R. Kurnia, “Implementasi Algoritma Naive Bayes untuk Analisis Sentimen Ulasan Shopee pada Google Play Store,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 2, no. 1, pp. 47–54, 2022, doi: 10.57152/malcom.v2i1.195.
K. Anwar, “Analisa sentimen Pengguna Instagram Di Indonesia Pada Review Smartphone Menggunakan Naive Bayes,” KLIK Kaji. Ilm. Inform. dan Komput., vol. 2, no. 4, pp. 148–155, 2022, doi: 10.30865/klik.v2i4.315.
A. D. Pratama, “Analisa Sentimen Masyarakat Terhadap Penggunaan CHATGPT Menggunakan Metode Support Vector Machine (SVM),” vol. 9, no. 1, pp. 327–338, 2023, doi: https://doi.org/10.29100/jipi.v9i1.4285.
Syahril Dwi Prasetyo, Shofa Shofiah Hilabi, and Fitri Nurapriani, “Analisis Sentimen Relokasi Ibukota Nusantara Menggunakan Algoritma Naïve Bayes dan KNN,” J. KomtekInfo, vol. 10, pp. 1–7, 2023, doi: 10.35134/komtekinfo.v10i1.330.
Ernianti Hasibuan and Elmo Allistair Heriyanto, “Analisis Sentimen Pada Ulasan Aplikasi Amazon Shopping Di Google Play Store Menggunakan Naive Bayes Classifier,” J. Tek. dan Sci., vol. 1, no. 3, pp. 13–24, 2022, doi: 10.56127/jts.v1i3.434.
M. Jonathan and Y. Nataliani, “Analisis Sentimen Penilaian Masyarakat Indonesia terhadap GeNose pada Komentar Youtube Menggunakan Metode Naive Bayes,” J. Mat. dan Apl., vol. 11, no. 01, 2022, doi: https://doi.org/10.35799/dc.11.1.2022.38339.
A. Turmudi Zy, A. Nugroho, A. Rivaldi, and I. Afriantoro, “Analisis Sentimen Terhadap Pembobolan Data pada Twitter dengan Algoritma Naive Bayes,” J. Teknol. Inform. dan Komput., vol. 8, no. 2, pp. 202–213, 2022, doi: 10.37012/jtik.v8i2.1240.
Y. Nurtikasari, Syariful Alam, and Teguh Iman Hermanto, “Analisis Sentimen Opini Masyarakat Terhadap Film Pada Platform Twitter Menggunakan Algoritma Naive Bayes,” INSOLOGI J. Sains dan Teknol., vol. 1, no. 4, pp. 411–423, 2022, doi: 10.55123/insologi.v1i4.770.
