ANALISIS SENTIMEN TERHADAP KEBIJAKAN PERKULIAHAN DARING PADA MASA COVID-19 MENGGUNAKAN METODE NAÏVE BAYES DAN SELEKSI FITUR INFORMATION GAIN

Pandemi covid-19 yang melanda Indonesia membuat proses perkuliahan dilaksanakan secara daring sebagai antisipasi penyebaran covid-19. Hal ini menimbulkan berbagai sentimen di kalangan masyarakat yang diunggah lewat media sosial Twitter. Analisis sentimen dapat diterapkan dalam mengatasi permasalahan opini masyarakat terhadap kebijakan perkuliahan daring pada masa covid-19. untuk melakukan klasifikasi sentimen dalam kelas positif atau negatif. Metode yang diterapkan untuk klasifikasi sentimen adalah Naïve Bayes dan seleksi fitur Information Gain. Tujuan penelitian ini untuk mengetahui pengaruh metode seleksi fitur Information Gain pada klasifikasi sentimen masyarakat terhadap kebijakan perkuliahan daring pada masa covid-19 menggunakan metode Naïve Bayes. Dari hasil uji coba yang telah dilakukan, hasil akurasi klasifikasi Naïve Bayes dengan seleksi fitur Information Gain mengalami kenaikan meskipun tidak signifikan, sedangkan untuk waktu komputasi mengalami kenaikan yang sangat signifikan dari 224 detik menjadi 18 detik. Penggunaan seleksi fitur Information Gain pada model klasifikasi Naïve Bayes mempengaruhi waktu komputasi menjadi lebih cepat