Klasifikasi Sentimen dan Pemodelan Topik MBKM Menggunakan Ensemble Learning dan Latent Dirichlet Allocation pada Media Sosial X

Abstract

Sentimen merupakan pendapat atau informasi yang disampaikan oleh individu untuk menilai suatu topik atau produk tertentu. Sentimen biasanya disampaikan secara lisan atau tertulis. Sejak berkembangnya teknologi, banyak masyarakat yang menyampaikan sentimen atau pendapatnya melalui media sosial seperti X, instagram, facebook, dan lain lain. Salah satu media sosial yang ramai digunakan untuk menyampaikan sentimen maupun gagasan adalah X. Kemudahan dalam menyampaikan pendapat melalui melalui media sosial X membuat banyaknya pendapat mengenai suatu topik atau produk tertentu. Dengan banyaknya pendapat tersebut, dibutuhkan sebuah cara untuk mengklasifikasikan pendapat secara cepat seperti menggunakan machine learning. MBKM adalah kebijakan Kemendikbud Ristek RI (Kementerian Pendidikan, Kebudayaan, Riset dan Teknologi Republik Indonesia) bertujuan untuk menunjang persiapan kompetensi mahasiswa untuk mengatasi kebutuhan zaman seiring dengan perkembangan dunia kerja dan teknologi yang berkembang pesat. Pendapat publik mengenai program MBKM yang dipublikasikan melalui media sosial X sangat beragam, mulai dari pendapat positif, negatif, dan netral. Perbedaan pendapat tersebut menyebabkan perlunya penelitian lebih lanjut mengenai sentimen MBKM.Kemudian peneliti akan melakukan sebuah penelitian mengenai sentimen pendapat publik mengenai program Merdeka Belajar Kampus Merdeka (MBKM) menggunakan Ensemble Learning Voting dengan kombinasi algoritma Random Forest, Naïve Bayes, dan Support Vector Machine untuk mengetahui hasil akurasi Ensemble Learning Voting dan Latent Dirichlet Allocation untuk menemukan berbagai topik yang timbul berdasarkan pendapat. Penelitian ini mendapatkan hasil klasifikasi sentimen MBKM bahwa dengan menggunakan metode ensemble learning voting terbukti mendapatkan hasil efektifitas yang lebih baik dari model tunggal. Kemudian pada pemodelan topik sentimen MBKMberdasarkan kata kuncinya jumlah topik yang berhasil diidentifikasi dari masing-masing kata kunci berdasarkan jenis sentimennya paling banyak terdapat 4 topik dan paling sedikit 2 topik.