Analisis Sentimen Terhadap Bantuan Kuota Internet Dari Kemendikbud Dimasa Covid-19 Menggunakan Algoritma C5.0

Nur Maelani Asih; Jajam Haerul Jaman; Yuyun Umaidah

doi:10.31539/intecoms.v5i2.2793

Nur Maelani Asih Universitas Singaperbangsa Karawang
Jajam Haerul Jaman Universitas Singaperbangsa Karawang
Yuyun Umaidah Universitas Singaperbangsa Karawang

DOI: https://doi.org/10.31539/intecoms.v5i2.2793

Abstract

ABSTRAK

Kuota kemendikbud merupakan bantuan kouta internet yang diberikan kemendikbud untuk para pelajar dan tenaga pengajar guna memfasilitasi pembelajaran daring yang diakibatkan pandemi Covid-19. Bantuan kuota dilakukan karena para pelajar yang mengeluhkan semakin banyak kuota internet yang dikeluarkan pada masa pembelajaran daring. Tujuan dari penelitian ini adalah melakukan analisis sentimen pengguna media sosial twitter terhadap kuota kemendikbud dengan menggunakan metodologi Knowledge Discovery in Databases (KDD) dan algoritma C5.0 dan menguji algoritmanya. Serta untuk hasil performa dari algoritma C5.0 menggunakan confusion matrix. Hasil akurasi C5.0 yaitu 74%. Ini mengalami kenaikan dari penelitian sentimen analisis dengan data twitter sebelumnya yaitu dengan akurasi sebesar 66%. Tetapi untuk pada penelitian ini presentasi untuk kelas netral pada precision dan recall serta kelas negatif pada recall rendah karena data training yang digunakan bisa dikatakan tidak balance.

References

Albances, L. Z., Bungar, B. A., Patio, J. P., Sevilla, R. J. M., & Acula, D. (2018, January). Application of C5. 0 Algorithm to Flu Prediction Using Twitter Data. In 2018 International Conference on Platform Technology and Service (PlatCon) (1-6). IEEE.
Balamurugan. M & Kannan. S. (2016). Performance Analysis of Cart and C5.0 using Sampling Techniques. International Conference on Advances in Computer Applications (ICACA). 72-75.
Debora Yantina. (2020). Kuota Gratis Kemendikbud: Syarat, Cara Daftar dan Rincian Bantuan. Retrieved from tirto.id website: https://tirto.id/kuota-gratis-kemendikbud-syarat-cara daftar-dan-rincian-bantuan-f2ZU.
Dhara. A. F., (2017). Rancang Bangun Ekstraksi Ekspresi Kata Kerja Pada Ulasan Pelanggan Dengan Text Chunking Untuk Memaparkan Pengalaman Penggunaan Produk. Skripsi: Teknologi Informasi, Institut teknologi Sepuluh Nopember.
Efendi. (2020). Apa itu Kuota Internet? Mengenal Pengertian Kuota Internet.
Fayyad UM, Piatetsky-Shapiro G & Smith P. (1996). The KDD process for extracting useful knowledge from volumes of data. Comunications of the ACM, 39(11), 27â€“34.
Ferdiana, R., Jatmiko, F., Purwanti, D.D., Ayu, A.S.T., & Dicka, W.F. (2019). Dataset Indonesia untuk Analisis Sentimen. Jurnal Nasional Teknik Elektro dan Teknologi Informasi (JNTETI), 8(4), 334-339.
Fitriyyah. S. N. j., Safriadi. n., & Pratama. E. E. (2019). Analisis Sentimen Calon Presiden Indonesia 2019 dari Media Sosial Twitter Menggunakan Metode Naive Bayes. Jurnal Edukasi dan Penelitian Informatika, 5(3), 279-285.
Imron, A. (2019). Analisis Sentimen Terhadap Tempat Wisata Di Kabupaten Rembang Menggunakan Metode Naive Bayes Classifier. Skripsi: Teknologi Industri, Universitas Islam Indonesia. Informatikalogi. (2016). Pembobotan Kata atau Term Weighting TF-IDF. Retrieved April 12, 2018, from Informatikalogi.com: https://informatikalogi.com/term-weighting-tf-idf/
Kementerian dan Pendidikan dan Kebudayaan RI. (2020). Bantuan Kuota Data Internet 2020. Retrieved from https://kuotabelajar.kemdikbud.go.id/index.html.
Larose, D. T. (2005). Discovering knowledge in Data: An Introdction to Data Mining. Canada: John Willey & Sons, Inc.
Mujilawati, S., (2016). Pre-processing text mining pada data twitter. Seminar Nasional Teknologi Informasi dan Komunikasi, 49-56.
Pratiwi. R., Hayati. M. N., Prangga, S., & Budilaksono, S. (2019). Perbandingan Klasifikasi Algoritma C5.0 Dengan Classification And Regression Tree (Studi Kasus: Data Sosial Kepala Keluarga Masyarakat Desa Teluk Baru Kecamatan Muara Ancalong Tahun 2019). Jurnal Ilmu Matematika dan Terapan, 14(2), 267-278.
Retrieved from Nesabamedia website: https://www.nesabamedia.com/apa-itu-kuota-internet/.
Revathy. R & Lawrance. R. (2017). Comparative Analysis of C4.5 and C5.0 Algorithms on Crop Pest Data. International Journal of Innovative Research in Computer and Communication Engineering, 5(1), 50-58.
Romadloni, N. T., Santoso, I., & Budilaksono, S. (2019). Perbandingan Metode Naive Bayes , Knn Dan Decision Tree Terhadap Analisis Sentimen Transportasi Krl. Jurnal IKRA-ITH Informatika, 3(2), 1â€“9.
Siregar. R. P., (2016). Klasifikasi Jenis Pengaduan Konsumen Dari Layanan Media Sosial Dengan Menggunakan Text Mining. Skripsi: Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara.