Analisis Sentimen Pengguna Instagram terhadap Kebijakan Nadiem Makarim yang Memperbolehkan Mahasiswa Lulus Tanpa Skripsi menggunakan Metode Analisis VADER dan Metode Klasifikasi Naïve Bayes

Abstract

Instagram, sebagai media sosial yang populer, telah mendapat banyak perhatian dari para peneliti untuk digunakan sebagai wadah pengambilan data untuk melakukan analisis sentimen. Di dalam penelitian ini, dilakukan Analisis Sentimen terhadap pengguna Instagram terkait Kebijakan Nadiem Makarim yang memperbolehkan mahasiswa lulus tanpa skripsi. Peneliti mengumpulkan data yang berupa komentar dari unggahan pengguna Instagram yang berkaitan dengan kebijakan Nadiem Makarim. Metode analisis Valence Aware Dictionary for sEntiment Reasoning (VADER) dan metode klasifikasi Naïve Bayes digunakan untuk menganalisis data yang diambil dari unggahan pengguna Instagram. VADER digunakan untuk menilai sentimen umum dalam unggahan, sementara Naïve Bayes digunakan untuk mengklasifikasikan sentimen menjadi kategori positif, negatif, atau netral. Hasil penelitian ini memberikan wawasan mendalam tentang bagaimana pengguna Instagram merespon kebijakan Nadiem Makarim. Pada penelitian ini,algoritma klasifikasi Naïve Bayes diterapkan pada pengujian data sebanyak 508 komentar, yang merupakan 25% dari total data. Hasilnya menunjukkan bahwa penggunaan TF-IDF memberikan akurasi sebesar 71.29%. Hal ini menunjukkan bahwa TF-iDF memberikan akurasi yang tinggi dalam analisis sentimen, dengan sebagian besar masyarakat memberikan respon positif terhadap kebijakan tersebut. Saran untuk penelitian selanjutnya adalah melakukan analisis sentimen menggunakan metode klasifikasi algoritma lain seperti Support Vector Machine (SVM), Random Forest, atau Neural Network untuk mendapatkan pemahaman yang lebih komprehensif mengenai respons masyarakat terhadap kebijakan tersebut. Studi lebih lanjut juga dapat melibatkan analisis dampak jangka panjang dari kebijakan ini terhadap dunia pendidikan dan masyarakat, serta eksplorasi aspek-aspek yang belum terungkap dalam komentar publik. Adanya keragaman dalam penggunaan algoritma klasifikasi dapat memberikan wawasan yang lebih mendalam.