Analisis Sentimen Berbasis Aspek Terhadap Pembelajaran Daring Di Masa Pandemi Covid-19 Menggunakan Support Vector Machine (Svm)

Pandemi Covid-19 sudah skala besar membuat Pembatasan Sosial Berskala Besar diyakini ampuh dikalangan ranah pendidikan untuk mengikuti pembelajaran daring. Twitter sebagai media yang menunjukkan ekspresi respon peserta didik dalam kegiatan pendidikan yang berlangsung. Dari kasus tersebut diterapkanya sistem analisis sentimen berbasis aspek untuk mengetahui hasil dari penerapan metode (SVM) jika menggunakan TF-IDF untuk term-weight pada kasus pembelajaran daring. Penelitian ini mengunakan klasifikasi SVM (Support Vector Machine) yang mana memiliki kestabilan dan kemampuan yang baik. Pengambilan data dari API Twitter, data dilabeli aspek secara manual dengan 4 jenis aspek Kesehatan, Ekonomi, Pendidikan dan Teknologi. data diproses kedalam preprocessing, setelah itu diberi nilai bobot melalui term weighting TF-IDF, data dibagi menjadi dua yaitu data testing dan training, kemudian diproses data kedalam kelas sentimen dan kelas aspek, terakhir algoritma pembelajaran dievaluasi menggunakan K-fold cross-validasi. Hasil penelitian menunjukan penggunaan metode SVM untuk klasifikasi kasus pembelajaran daring pandemi covid-19 mendapatkan performansi akurasi pengujian sentiment dengan rata-rata sebesar 61,69% dan nilai tertinggi akurasi di 64,40%, sedangkan hasil akurasi pengujian aspek dengan rata-rata sebesar 58,98% dan nilai tertinggi akurasi fold di 67,79%. Penerapan metode SVM untuk klasifikasi sentimen berdasarkan aspek kasus didapatkan nilai akurasi pengujian sentimen dan aspek sebesar 61,69% dan 67,79% pada fold ke-5 dan ke-3.