UNITOMOUNITOMO

Inform: Jurnal Ilmiah Bidang Teknologi Informasi dan KomunikasiInform: Jurnal Ilmiah Bidang Teknologi Informasi dan Komunikasi

Baru-baru ini terjadi penurunan minat mahasiswa untuk bergabung dengan organisasi. Salah satu penyebabnya adalah program MBKM (Merdeka Belajar Kampus Merdeka). Dengan program pemerintah ini, semakin banyak mahasiswa yang tertarik untuk mengikutinya karena dianggap lebih menguntungkan. Respons terkait hal tersebut disampaikan oleh mahasiswa melalui kuesioner, perayapan Twitter, dan komentar YouTube. Data yang diperoleh berjumlah 1.770 entri dengan penandaan negatif, positif, dan netral menggunakan stemming Sastrawi, Nazief & Adriani, serta Arifin Setiono. Terdapat ketidakseimbangan data pada penandaan, sehingga diperlukan penerapan SMOTE untuk menyeimbangkan data. Algoritma yang digunakan dalam penelitian ini meliputi pemodelan Naïve Bayes Classifier, Support Vector Machine, dan Decision Tree dengan metode split random, dengan hasil terbaik diperoleh oleh Support Vector Machine. Dari ketiga algoritma, hasil tertinggi dicapai menggunakan stemming Arifin Setiono dengan Support Vector Machine menghasilkan akurasi 91% yang diperoleh dari data pelatihan 90% dan data pengujian 10%.

Penelitian ini menunjukkan bahwa mayoritas label kata bersifat negatif dengan kata MBKM paling sering muncul, mengindikasikan mahasiswa enggan bergabung organisasi.Perbandingan Naïve Bayes, Support Vector Machine, dan Decision Tree dengan data yang telah diseimbangkan menggunakan SMOTE menghasilkan akurasi tertinggi pada SVM (80–91%), diikuti Decision Tree (61–73%) dan Naïve Bayes (75–82%).serta stemming Arifin Setiono memberikan akurasi terbaik sebesar 91%.Karena pentingnya keseimbangan data, penelitian selanjutnya disarankan menggunakan teknik sampling berstrata, validasi k‑fold, atau optimasi hyperparameter untuk meningkatkan akurasi lebih lanjut.

Penelitian berikutnya dapat mengeksplorasi efek teknik oversampling alternatif seperti ADASYN atau DeepSMOTE terhadap akurasi klasifikasi sentimen data MBKM, guna mengetahui apakah keseimbangan data yang lebih canggih dapat meningkatkan performa model. Selain itu, penting untuk menyelidiki analisis sentimen multi‑modal dengan menggabungkan data teks dari Twitter, YouTube, dan kuesioner bersama fitur audio atau video, sehingga dapat menangkap nuansa sikap mahasiswa terhadap program MBKM secara lebih menyeluruh. Selanjutnya, peneliti dapat mengevaluasi dampak penggunaan sumber leksikal khusus domain serta model bahasa maju seperti BERT Bahasa Indonesia pada proses klasifikasi, dibandingkan dengan pendekatan tradisional TF‑IDF dan SVM, untuk menentukan apakah pemahaman konteks yang lebih dalam dapat meningkatkan akurasi prediksi.

  1. Medical Diagnosis System in Healthcare Industry: A Fuzzy Approach - IOPscience. medical diagnosis system... iopscience.iop.org/article/10.1088/1757-899X/852/1/012149Medical Diagnosis System in Healthcare Industry A Fuzzy Approach IOPscience medical diagnosis system iopscience iop article 10 1088 1757 899X 852 1 012149
  1. #merdeka belajar#merdeka belajar
  2. #nearest neighbor#nearest neighbor
Read online
File size592.02 KB
Pages9
Short Linkhttps://juris.id/p-2LJ
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test