Analisis sentimen sekolah tatap muka di Indonesia

Abstract

Pandemi Covid-19 yang sedang berlangsung di seluruh dunia membuat banyak aktivitas menjadi tidak dapat bekerja dengan baik. Salah satu aktivitas tersebut adalah kegiatan belajar mengajar. Seiring berjalannya waktu dan jumlah kasus positif Covid-19 yang terus menurun, sudah mulai dibuka kembali kegiatan ajar-mengajar sekolah tatap muka. Pembukaan kembali sekolah tatap muka menuai kontroversi tersendiri. Banyak dari mereka khawatir dengan kembalinya sekolah tatap muka akan terjadi suatu klaster penularan Covid-19 secara masif. Ada juga yang sudah rindu dengan suasana sekolah tatap muka. Berdasarkan hal ini, penelitian ini muncul untuk menganalisis sentimen pada sekolah tatap muka di Indonesia. Pada penelitian ini, penelitian akan membuat perangkat lunak untuk melakukan analisis sentimen dengan menggunakan alur tahapan data mining. Analisis sentimen merupakan bagian dari data mining yang di mana untuk menganalisis ukuran emosi positif, negatif, atau netral dari suatu opini. Analisis sentimen termasuk dalam konsep data mining. Data mining merupakan proses terdiri dari tahapan seleksi, eksplorasi, dan analisis untuk mencapai pengetahuan. Proses diawali dengan pengumpulan data dengan menggunakan media sosial Twitter sebagai sumber data. Data tersebut kemudian diproses kembali untuk memudahkan proses analisis data yang akan dilakukan. Analisis data yang dilakukan akan melihat kategori sentimen apa yang paling dominan untuk topik sekolah tatap muka. Selain melakukan analisis data, penelitian ini akan membangun model yang akan digunakan untuk proses prediksi sentimen. Pembangunan model ini akan menggunakan teknik klasifikasi Decision Tree sebagai klasifikator dan kemudian mengevaluasi hasil pembangunan model untuk mengukur seberapa baik akurasi model yang berhasil dibangun. Pembangunan model akan kemudian dioptimasi dengan menggunakan parameter max_depth. Parameter max_depth merupakan parameter untuk mengatur kedalaman tree yang sedang dibangun. Berdasarkan eksperimen yang telah dilakukan dalam penelitian ini, didapatkan nilai akurasi model yang dihasilkan oleh teknik klasifikasi Decision Tree sebesar 86.4%. Selain itu juga, terdapat proses optimasi yang dilakukan dengan mengatur max_depth. Nilai max_depth yang paling optimal didapatkan 135 dengan akurasi model sebesar 86.6%. Model ini kemudian digunakan untuk melakukan prediksi sentimen yang diberikan oleh pengguna yang kemudian akan mendapatkan keluaran berupa label sentimen. Hasil yang didapatkan dalam prediksi sentimen didapatkan secara umum model sudah dapat melakukan prediksi sentimen meskipun terdapat beberapa kasus kategori sentimen tidak tepat dikategorikan. Untuk analisis data, didapatkan bahwa sentimen negatif menjadi sentimen yang paling dominan untuk topik sekolah tatap muka dengan persentase sebesar 37%. Adapun kata bersentimen yang paling sering muncul untuk kategori sentimen negatif adalah kata lama . Kesimpulan yang didapatkan dalam penelitian ini adalah analisis sentimen untuk topik sekolah tatap muka dapat diselesaikan dengan konsep data mining dan konsep analisis data untuk mecapai tujuan penelitian ini. Selain itu juga, pembangunan model untuk melakukan prediksi sentimen berhasil dibangun dengan menggunakan teknik klasifikasi Decision Tree.