PERBANDINGAN METODE KLASIFIKASI DENGAN MENERAPKAN ADABOOST DALAM ANALISIS SENTIMEN PENGGUNA TWITTER X TERHADAP PENERAPAN KURIKULUM MERDEKA

Abstract

Kurikulum Merdeka merupakan kurikulum terbaru pengganti kurikulum 2013. Kurikulum merdeka dalam peluncurannya memiliki berbagai opini pro dan kontra dari masyarakat, saat ini kurikulum merdeka masih hangat dibicarakan dan menjadi kontroversi diberbagai platform digital salah satunya pada media sosial twitter. Oleh karena itu, perlu adanya evaluasi secara berkala dan analisis mengenai persepsi masyarakat terhadap kurikulum merdeka. Penelitian ini bertujuan untuk menganalisis sentimen yang muncul di twitter dengan menggunakan kata kunci “kurikulum merdeka”. Data yang digunakan dalam penelitian ini diperoleh dari hasil crawling di Twitter yang terdiri dari 4717 data kemudian dimasukkan ke dalam label positif dan negatif. Metode analisis data yang digunakan adalah Knowledge Discovery in Database (KDD) yang meliputi Data Selection, Preprocessing, Transformation, Data Mining, dan Evaluation. Metode klasifikasi yang digunakan adalah Multinominal Naïve Bayes dan Support Vector Machine dengan menerapkan AdaBoost untuk meningkatkan kinerja algoritma. Penelitian ini menghasilkan nilai akurasi dan AUC Support Vector Machine lebih unggul dibandingkan Multinomial Naïve Bayes serta penerapan AdaBoost terbukti dapat meningkatkan kinerja algoritma. Metode Support Vector Machine sebelum menerapkan AdaBoost menghasilkan akurasi sebesar 88,68% dan nilai AUC sebesar 0,957, sementara algoritma Support Vector Machine setelah menerapkan AdaBoost menghasilkan akurasi sebesar 88,85% dan nilai AUC 0,933. Algoritma Multinomial Naïve Bayes sebelum menerapkan AdaBoost menghasilkan nilai akurasi sebesar 79,19% dan nilai AUC sebesar 0,777, sementara algoritma Multinomial Naïve Bayes setelah menerapkan AdaBoost menghasilkan akurasi sebesar 83,57%, dan nilai AUC 0,899.