Analisis Sentimen Tentang Kebijakan Pemerintah Terhadap Kuliah Daring Menggunakan Metode Support Vector Machine(SVM)

Pandemi COVID-19 memiliki dampak cukup besar di kehidupan masyarakat, termasuk di sektor pendidikan. Para mahasiswa diharuskan belajar dari rumah atau secara Daring. Hal ini menjadi polemik baru di Indonesia terutama bagi dosen dan mahasiswa, sehingga menimbulkan pro dan kontra terhadap perkuliahan daring. Di era digital, orang-orang bebas berekspresi di media sosial dengan opininya. Opini-opini yang di sampaikan oleh masyarakat di media sosial sangatlah banyak dan beragam. Jika itu dilakukan secara manual, klasifikasi sentimen akan banyak membuang waktu, maka diperlukan sebuah sistem yang dapat mengklasifikasikan sentimen otomatis. Sistem ini melakukan klasifikasi sentimen menjadi kategori sentimen positif atau negatif. Implementasi analisis sentimen bisa diterapkan dengan beberapa metode, salah satu metode klasifikasi dengan akurasi yang cukup baik adalah Support Vector Machine (SVM). Penelitian ini bermaksud untuk mengklasifikasikan sentimen masyarakat dalam menghadapi kuliah daring. Hasil analisis yang dihasilkan bisa menjadi tolak ukur dalam pengambilan kebijakan oleh pemerintah terkait. Penggunaan metode klasifikasi SVM pada sentimen masyarakat terhadap kuliah daring dengan 2 kelas positif dan negatif, menggunakan 5-fold cross validation dapat diketahui bahwa akurasi yang diperoleh paling baik dengan menggunakan kernel Linear, dengan nilai akurasi rata-rata sebesar adalah 84,38%.