Analisis Sentimen Terhadap Program Kampus Merdeka Pada Twitter Menggunakan Metode Naïve Bayes, Union dan Synthetic Minority Over Sampling Technique (SMOTE)

Program Kampus Merdeka bertujuan menyiapkan mahasiswa menghadapi tantangan perubahan sosial, dan kemajuan teknologi yang semakin cepat. Kampus Merdeka memberikan peluang mahasiswa untuk mengambil materi program atau jurusan lain atau yang sama pada kampus yang lain sehingga diharapkan dapat menghasilkan lulusan yang dapat menghadapi dinamika masyarakat pada lingkungan usaha dan industri. Twitter salah satu media yang digemari digunakan sebagai media bersosialisasi, bertukar informasi dan berpendapat sehingga sesuai sebagai sumber analisa sentiment. Mengumpulkan, mengenali, mengekstrak opini dalam bentuk teks sehingga dapat digunakan sebagai informasi yang bermanfaat. Algoritma klasifikasi Naïve Bayes memprediksi apakah suatu opini bernilai positif atau negative. Menganalisa data dengan jumlah besar membutuhkan operator Union. Variable yang digunakan dalam penelitian ini yaitu hasil tweet dengan kata kunci kampus merdeka dan hasil sentiment sebagai label. Data yang diambil berjumlah 680, sedangkan data yang tidak diberi label berjumlah 430 yang merupakan data raw yang berasal dari media social Twitter berisi ungkapan, pertanyaan, pengalaman pengguna. Berdasarkan hasil analisa akumulasi sentiment menghasilkan nilai positif 86% dibandingkan yang memberikan nilai negative 14%. Sehingga dapat disimpulan Program Merdeka Belajar memberikan opini baik. Selain itu untuk mengoptimalkan data yang tidak seimbang digunakan Synthetic Minority Oversampling Technique (SMOTE) menghasilkan keakuratan data sebesar 99.21% sedangkan tanpa SMOTE keakuratan data hanya 77.60%. Sehingga dapat disimpulan Program Merdeka Belajar memberikan opini baik.