Analisis Sentimen terhadap Perkuliahan Daring di Indonesia dari Twitter Dataset Menggunakan InSet Lexicon: Sentiment Analysis of Online Lectures in Indonesia from Twitter Dataset Using InSet Lexicon

Abstrak

Pelaksanaan perkuliahan daring pada berbagai kampus di Indonesia telah dipertegas sejak makin mewabahnya virus corona. Kuliah daring menjadi solusi untuk tetap menjalankan kegiatan belajar-mengajar di tengah masa pandemi. Namun pelaksanaan perkuliahan daring memunculkan berbagai macam opini dalam masyarakat, khususnya di kalangan pelajar. Hal ini juga menimbulkan sikap pro dan kontra dari berbagai pihak. Untuk itu dilakukan penambangan data dari twitter guna menganalisis sentimen terhadap topik “kuliah daring”. Data diklasifikasikan ke dalam 3 kelas, yaitu positif, negatif, dan netral. Penelitian ini dilakukan dengan teknik lexicon-based approach menggunakan InSet Lexicon sebagai kamus kata opini berbahasa Indonesia. Penentuan kelas sentimen untuk setiap kalimat diperoleh dari hasil perhitungan polarity score. Hasil klasifikasi dari 5811 data tweet ternyata mengandung 63.4% tweet negatif, 27.6% tweet positif, dan 8.9% tweet netral. Pengujian hasil klasifikasi dilakukan dengan metode cross-validation serta confusion matrix dengan 80% data latih dan 20% data uji memberikan nilai accuracy 79.2%, precision sebesar 72.9%, recall sebesar 62.8%, dan f-measure sebesar 67.4%.