ANALISIS SENTIMEN PROGRAM KAMPUS MERDEKA IISMA BERBASIS KOMENTAR TIKTOK DAN TWEETS TWITTER MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN FASTTEXT

Sara, Putu Agisna Fransisco (2024) ANALISIS SENTIMEN PROGRAM KAMPUS MERDEKA IISMA BERBASIS KOMENTAR TIKTOK DAN TWEETS TWITTER MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN FASTTEXT. Undergraduate thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
2015091005-COVER.pdf
Download (1MB)
[img] Text (ABSTRAK)
2015091005-ABSTRAK.pdf
Download (237kB)
[img] Text (BAB 1 PENDAHULUAN)
2015091005-BAB 1 PENDAHULUAN.pdf
Download (1MB)
[img] Text (BAB 2 KAJIAN TEORI)
2015091005-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (649kB) | Request a copy
[img] Text (BAB 3 METODELOGI PENELITIAN)
2015091005-BAB 3 METODELOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (478kB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
2015091005-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (2MB) | Request a copy
[img] Text (BAB 5 PENUTUP)
2015091005-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (220kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
2015091005-DAFTAR PUSTAKA.pdf
Download (244kB)
[img] Text (LAMPIRAN)
2015091005-LAMPIRAN.pdf
Download (1MB)

Abstract

Program Indonesian International Student Mobility Awards (IISMA) merupakan sebuah program beasiswa turunan dari Kampus Merdeka yang memberikan kesempatan bagi mahasiswa untuk dapat menempuh studi di mitra universitas luar negeri. Berdasarkan data yang dipaparkan oleh Kemendikbudristek dan Tim IISMA menunjukkan bahwa pada batch tahun 2023 terdapat 12.074 pendaftar. Popularitas dan antusias terhadap kehadiran program IISMA menyebabkan banyak opini dan komentar oleh mahasiswa pada sosial media, khususnya komentar TikTok dan tweets Twitter. Opini dan komentar yang dilontarkan pada kedua sosial media menghasilkan data dengan jumlah besar dan tidak terstruktur. Penelitian ini memanfaatkan metode Support Vector Machine (SVM) dan FastText dalam melakukan analisis sentimen dengan mengklasifikasikan data menjadi terstruktur dan menghasilkan informasi berupa rekomendasi. Metode SVM dipilih karena kemampuannya yang dapat menangani masalah ketidakseimbangan data dan melakukan klasifikasi multi-class. Metode FastText dikolaborasikan dengan SVM karena dapat melakukan ekstraksi fitur dan menghasilkan vektor kata. Hasil penelitian menunjukkan bahwa SVM dan FastText dapat melakukan klasifikasi terhadap dataset yang dimiliki. Pada dataset Twitter mendapatkan nilai accuracy sebesar 74.4%, precision 49.7%, recall 47.9%, dan f- measure 47.8%. Pada dataset TikTok mendapatkan nilai accuracy sebesar 85.0%, precision 66.3%, recall 67.5% dan f-measure 66.5%. Pada dataset gabungan antara keduanya mendapatkan hasil nilai accuracy sebesar 84.24%, precision 68.82%, recall 58.81%, dan f-measure sebesar 60.95%. Analisis terhadap sentimen pada Program IISMA berdasarkan distribusi sentimen yang cenderung netral menghasilkan rekomendasi yaitu mempertahankan kualitas program dan memberikan bantuan tes bahasa Inggris kepada mahasiswa kurang mampu pada batch selanjutnya.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: IISMA, Analisis Sentimen, Support Vector Machine, FastText, Twitter, TikTok
Subjects: T Technology > T Technology (General)
T Technology > TN Mining engineering. Metallurgy
Divisions: Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Sistem Informasi (S1)
Depositing User: Putu Agisna Fransisco Sara
Date Deposited: 15 Feb 2024 14:50
Last Modified: 15 Feb 2024 14:50
URI: http://repo.undiksha.ac.id/id/eprint/18679

Actions (login required)

View Item View Item