Optimization of Sentiment Analysis for MBKM Program using Naïve Bayes with Particle Swarm Optimization

Abstrak

Awal tahun 2020, Kemendikbudristek RI meluncurkan program Merdeka Belajar Kampus Merdeka (MBKM) dengan tujuan meningkatkan kualitas pendidikan tinggi melalui pendekatan pembelajaran yang berfokus pada mahasiswa. kemunculan program ini memicu berbagai reaksi di media sosial, terutama di Twitter, baik dengan respon positif maupun negatif. Penelitian ini bertujuan untuk menganalisis sentimen pengguna Twitter terhadap program MBKM dengan menggunakan algoritma Naive Bayes yang dioptimalkan dengan Particle Swarm Optimization (PSO). Data yang digunakan adalah tweet berbahasa Indonesia yang mengandung kata kunci “MBKM” dan “Kampus Merdeka” dari periode Juli hingga Desember 2022. Tahapan penelitian meliputi pengumpulan data melalui crawling, pelabelan manual data menjadi sentimen positif dan negatif, preprocessing data, penerapan algoritma Naive Bayes, serta seleksi fitur dengan PSO. Hasil penelitian menunjukkan bahwa kelompok tweet yang dikategorikan berdasarkan sentimen positif dan negatif terhadap pelaksanaan program MBKM di Indonesia pada tahun 2022 menunjukkan bahwa percobaan NB-PSO mencapai akurasi sebesar 90,87%, meningkat 7,12% dibandingkan dengan algoritma Naive Bayes saja. Dengan demikian, penggunaan algoritma Particle Swarm Optimization dalam algoritma klasifikasi Naive Bayes terbukti meningkatkan performa klasifikasi, khususnya dalam kasus analisis sentimen.

Kata kunci: Analisis Sentimen, Merdeka Belajar Kampus Merdeka, Twitter, Naive Bayes, Particle Swarm Optimization.