Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Rizky Herdiansyah, Moh
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
ANALISIS SENTIMEN KEBIJAKAN KAMPUS MERDEKA MENGGUNAKAN NAÏVE BAYES BERDASARKAN KOMENTAR PADA YOUTUBE Rizky Herdiansyah, Moh; Yuliana, Ade
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i6.11963

Abstract

Perkembangan teknologi telah memudahkan akses informasi melalui internet dan mendorong pertumbuhan platform digital seperti YouTube, yang memberikan informasi dalam format audio-visual. Kementerian Pendidikan dan Kebudayaan (Kemendikbud) memanfaatkan YouTube sebagai media publikasi kebijakan "Kampus Merdeka," yang bertujuan mempersiapkan mahasiswa menghadapi kebutuhan zaman di tengah perubahan sosial, budaya, dunia kerja, dan teknologi. Kebijakan ini mendapat beragam tanggapan dari publik, baik positif maupun negatif, yang tercermin dalam kolom komentar video terkait. Untuk menganalisis sentimen masyarakat terhadap kebijakan ini, penelitian ini menggunakan crawling data di Google Colab dan algoritma Naive Bayes untuk klasifikasi sentimen dari komentar YouTube. Algoritma Naive Bayes dipilih karena memiliki keunggulan dalam komputasi cepat, kesederhanaan, dan tingkat akurasi yang baik dalam berbagai penelitian sebelumnya. Berdasarkan hasil klasifikasi sentimen terhadap 553 komentar di video "Kemerdekaan Belajar Episode: 2 'Kampus Merdeka'," ditemukan bahwa mayoritas sentimen publik bersifat positif, yaitu sebanyak 330 komentar, disusul oleh 78 komentar netral dan 110 komentar negatif. Analisis ini menunjukkan dukungan yang cukup kuat terhadap kebijakan "Kampus Merdeka," meskipun ada beberapa kritik. Hasil evaluasi algoritma Naive Bayes menunjukkan tingkat akurasi sebesar 70%, dengan presisi 79,72%, recall 70%, dan F1-score 62,57%.
Co-Authors Ade Yuliana, Ade