Pramayasa, Komang (2023) OPTIMASI ANALISIS SENTIMEN PROGRAM MERDEKA BELAJAR-KAMPUS MERDEKA (MBKM) PADA MEDIA SOSIAL TWITTER MENGGUNAKAN KOMBINASI K-NEAREST NEIGHBOR DAN SMOTE. Undergraduate thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
1915091014 - COVER.pdf Download (1MB) |
|
Text (ABSTRAK)
1915091014 - ABSTRAK.pdf Download (260kB) |
|
Text (BAB 1 PENDAHULUAN)
1915091014 - BAB 1 PENDAHULUAN.pdf Download (243kB) |
|
Text (BAB 2 KAJIAN TEORI)
1915091014 - BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (518kB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
1915091014 - BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (384kB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
1915091014 - BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (1MB) | Request a copy |
|
Text (BAB 5 PENUTUP)
1915091014 - BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (204kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
1915091014 - DAFTAR PUSTAKA.pdf Download (225kB) |
|
Text (LAMPIRAN)
1915091014 - LAMPIRAN.pdf Download (1MB) |
Abstract
Program Merdeka Belajar-Kampus Merdeka (MBKM) adalah wujud pembelajaran dengan memberikan konsep "kemerdekaan" kepada mahasiswa. Kemerdekaan yang dimaksud adalah memberikan peluang baru yang terbuka bagi mahasiswa untuk mengembangkan pengetahuan sesuai minat dan bakat mahasiswa. Sejak pertama diimplementasikan pada Februari 2020, MBKM mendapatkan berbagai opini baik pro ataupun kontra. Opini-opini ini sangat diperlukan sebagai bahan evaluasi MBKM agar dapat lebih baik kedepannya. Untuk menganalisis opini-opini MBKM, diperlukan teknik tertentu, salah satunya adalah analisis sentimen. Analisis sentimen dilakukan untuk mendapatkan hasil analisis dari opini masyarakat terhadap suatu obyek, dalam hal ini adalah MBKM. Salah satu metode yang dapat digunakan untuk analisis sentimen adalah K-Nearest Neighbor (KNN). Dalam machine learning, masalah yang kerap ditemui adalah data yang tidak seimbang. Data yang tidak seimbang tersebut dapat mempengaruhi kinerja model klasifikasi saat pengambilan keputusan. Maka itu, digunakanlah teknik resampling dengan metode Synthetic Minority Oversampling Technique (SMOTE) untuk mengatasi data yang tidak seimbang tersebut. Tujuan penelitian adalah untuk mengetahui sentimen masyarakat terhadap implementasi MBKM serta melakukan optimasi terhadap performa metode KNN melalui metode SMOTE dalam melakukan analisis sentimen. Penelitian analisis sentimen dengan topik MBKM ini mengambil data dari sosial media Twitter. Tahapan yang dilakukan untuk mencapai hasil analisis sentimen adalah (1) Pengumpulan data, (2) Pemrosesan data, (3) Pembangunan model, dan (4) Penutup atau penyajian hasil. Melalui tahapan-tahapan tersebut, dihasilkanlah performa metode KNN dengan nilai accuracy sebesar 68,81%, precision 70,73%, recall 68,81%, serta f1-score 68,42%. Setelah itu, hasil optimasi menggunakan metode SMOTE mendapatkan hasil accuracy yang meningkat menjadi 76,13%, precision menjadi 76,03%, recall menjadi 76,13% serta f1-score menjadi 76,01%. Melalui hasil-hasil tersebut, didapatkan bahwa respon masyarakat terhadap program MBKM adalah netral. Masyarakat cenderung berpendapat bahwa MBKM adalah program yang dapat memberikan pengalaman baru bagi mahasiswa. Selain itu, dapat dinyatakan juga bahwa MBKM masih dirasa rumit dan perlu dievaluasi.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | MBKM, Optimasi Analisis Sentimen, KNN, SMOTE |
| Subjects: | P Language and Literature > P Philology. Linguistics P Language and Literature > PN Literature (General) > PN0080 Criticism T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Sistem Informasi (S1) |
| Depositing User: | Komang Pramayasa |
| Date Deposited: | 25 Jul 2023 18:42 |
| Last Modified: | 25 Jul 2023 18:42 |
| URI: | http://repo.undiksha.ac.id/id/eprint/17052 |
Actions (login required)
 |
View Item |