Penerapan Metode Naive Bayes Multinomial dan Complement dalam Membandingkan Tingkat Akurasi terhadap Analisis Sentimen Kurikulum Merdeka

Wenda Adi Kusnaya; Yana Cahyana; Ayu Ratna Juwita

Wenda Adi Kusnaya Universitas Buana Perjuangan Karawang
Yana Cahyana Universitas Buana Perjuangan Karawang
Ayu Ratna Juwita Universitas Buana Perjuangan Karawang

Keywords: Analisis Sentimen, Kurikulum Merdeka, Naïve Bayes Complement, Naïve Bayes Multinomial, Twitter

Abstract

Kementerian Pendidikan telah mengeluarkan program Kurikulum Merdeka di lingkungan sekolah, yang memungkinkan siswa untuk mengembangkan minat, bakat, dan keterampilan mereka sehingga dapat lulus dengan kesiapan menghadapi dunia kerja atau pendidikan tinggi. Namun, program ini telah memicu berbagai tanggapan di Twitter, menciptakan kontroversi yang perlu dijelaskan. Untuk menganalisis sentimen terkait Kurikulum Merdeka, penelitian dilakukan menggunakan algoritma Naïve Bayes Multinomial dan Complement. Dalam penelitian ini, total 627 data yang telah diberi label dan diproses sebelumnya digunakan sebagai dataset. Dataset ini kemudian dibagi menjadi dua, yaitu 80% untuk data latih dan 20% untuk data uji. Metode evaluasi yang digunakan adalah confusion matrix. Hasil evaluasi menunjukkan tingkat akurasi sebesar 89% untuk algoritma Naïve Bayes Multinomial dan 88% untuk Complement. Kesimpulannya, algoritma Naïve Bayes Multinomial memberikan tingkat akurasi yang lebih tinggi dalam menganalisis sentimen terkait Kurikulum Merdeka.

References

[1] I. P. Rahayu, A. Fauzi, and J. Indra, “Analisis Sentimen Terhadap Program Kampus Merdeka Menggunakan Naive Bayes Dan Support Vector Machine,” J. Sist. Komput. dan Inform., vol. 301, no. 2, pp. 296–, 2022, doi: 10.30865/json.v4i2.5381.
[2] K. Akademik Badan Standar, and Asesmen Pendidikan Kementerian Pendidikan, dan Teknologi Republik Indonesia, “Kurikulum untuk Pemulihan Pembelajaran,” Edisi.
[3] W. Darmawan, M. Faizal Kurniawan, W. Hapsoro, and S. Widya Pratama Pekalongan, “Analisis Sentimen Penerapan Kurikulum Merdeka Pada Pengguna Twitter Menggunakan Metode K-Nearest Neighbor Dengan Forward Selection,” 2023.
[4] A. Rizal Maulana, S. Hadi Wijoyo, and Y. T. Mursityo, “Analisis Sentimen Kebijakan Penerapan Kurikulum Merdeka Sekolah Dasar Dan Sekolah Menengah Pada Media Sosial Twitter Dengan Menggunakan Metode Word Embedding Dan Long Short-Term Memory Networks (LSTM),” vol. 10, no. 3, pp. 523–530, 2023, doi: 10.25126/jtiik.2023106977.
[5] N. A. Maulana, “Analisis Sentimen Masyarakat Terhadap Program Kampus Merdeka Menggunakan K-Nearest Neighbor Dan Convolutional Neural Network (Studi Kasus Twitter),” Skripsi, 2022.
[6] E. Undamayanti et al., “Analisis Sentimen Menggunakan Metode Naive Bayes Berbasis Particle Swarm Optimization Terhadap Pelaksanaan Program Merdeka Belajar Kampus Merdeka,” 2022.
[7] 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,” J. Media Inform. Budidarma, vol. 6, no. 2, pp. 746, Apr. 2022, doi: 10.30865/mib.v6i2.3554.