Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Pryono, Muhammad Adam
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Sentimen Terhadap Program Merdeka Belajar Kampus Merdeka Pada Sosial Media Twitter Menggunakan K-Means Clustering, Support Vector Machine (SVM) dan Syntethic Minority Oversampling Technique (SMOTE) Pryono, Muhammad Adam; Wijoyo, Satrio Hadi; Bachtiar, Fitra Abdurrachman
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 9 (2024): September 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Program Merdeka Belajar Kampus Merdeka (MBKM) merupakan inisiatif dari Kementerian Pendidikan dan Kebudayaan Republik Indonesia untuk memberikan fleksibilitas kepada mahasiswa dalam menentukan jalur pembelajaran sesuai minat dan bakat mereka. Sejak diluncurkan, program ini telah menerima berbagai tanggapan dari masyarakat, baik positif maupun negatif. Dengan perkembangan teknologi informasi dan penggunaan media sosial yang meningkat, khususnya Twitter, analisis sentimen dapat memberikan wawasan tentang persepsi publik terhadap program MBKM. Penelitian ini bertujuan untuk menganalisis opini masyarakat yang tertampung dalam sosial media Twitter. Penelitian ini menggunakan metode klasifikasi dengan algoritme Support Vector Machine (SVM) dan klasterisasi dengan K-Means Clustering. Terdapat 5 proses utama meliputi pelabelan data, text preprocessing, pembobotan TF-IDF, klasifikasi, dan klasterisasi. Hasil akurasi terbaik sebesar 88% yang didapat menggunakan kernel sigmoid, menggunakan rasio 90% data latih dan 10% data uji, dan menerapkan teknik resampling Syntethic Minority Oversampling Technique (SMOTE). Teknik SMOTE meningkatkan recall dan f1-score untuk kelas minoritas, meskipun precision sedikit menurun. Klasterisasi dengan K-Means menghasilkan 4 cluster menggunakan metode elbow dengan dominasi sentimen negatif pada setiap cluster, menyoroti berbagai aspek yang perlu ditingkatkan dalam program MBKM untuk meningkatkan kepuasan peserta. Penelitian ini memberikan dasar untuk evaluasi dan pengembangan lebih lanjut dari program MBKM.
Co-Authors Fitra Abdurrachman Bachtiar Satrio Hadi Wijoyo