Page 138 - Kolase Agraria

Analisis Sentimen dan Studi 123
Netnografi di Media Sosial

Tabel 2 Hasil Evaluasi terhadap Analisis Sentimen
Rata-Rata
Pengujian Hasil (Pembulatan)
(Pembulatan)
Akurasi 0.6486; 0.6735; 0.6735; 0.6531; 0.6803 66,58%
Presisi 0.7499; 0.7503; 0.6864; 0.7873; 0.8464 76,40%
Sensitivitas 0.3976; 0.4358; 0.4336; 0.3927; 0.4316 41,83%
F-Measure 0.3799; 0.4341; 0.4310; 0.3730; 0.4349 41,06%

Sumber: olahan penulis (2024)
Kesimpulan yang dapat ditarik pada artikel ini adalah
berdasarkan data teks pada kolom komentar Instagram dan crawling
cuitan di Twitter (X) yang terkumpul terkait program MBKM
diperoleh bahwa topik warganet pada komentar Instagram mengacu
pada postingan yang diunggah oleh akun @kampusmerdeka.
ri serta cuitan warganet pada Twitter (X) membahas mengenai
pemberitaan, curahan hati, pendapat, maupun testimoni yang
berkaitan dengan kata kunci “mbkm”, “kampus merdeka”, atau
“merdeka belajar”. Hasil dari analisis sentimen menunjukan bahwa
sentimen negatif banyak dijumpai sebanyak 62,1% negatif, komentar
atau sentimen positif adalah 22,5%, serta sisanya sebanyak 15,4%
adalah kalimat bersentimen netral. Sentimen tersebut selanjutnya
dievaluasi klasifikasinya menggunakan metode SVM. Hasil evaluasi
yang didapat adalah akurasi 66,58%, presisi 76,40%, recall 41,83%,
dan nilai f-measure adalah 41,06%. Ungkapan bersentimen positif
berkaitan dengan pemberitaan kerjasama MBKM, produk kegiatan
MBKM, dan antusiasme mahasiswa dalam mengikuti MBKM.
Sedangkan, sentimen netral terkait dengan pertanyaan sederhana
terkait program MBKM dan emotikon. Komentar atau cuitan dengan
sentimen negatif adalah kendala yang dialami seperti pencairan BBH
yang mengalami keterlambatan ataupun konversi nilai. Rangkuman
temuan-temuan di kedua platform media sosial tersebut dapat
diambil sebagai sebuah kebijakan pendidikan yang baru. Respons
yang beragam terhadap kebijakan MBKM dapat membantu lembaga
pendidikan, khususnya yang akan ataupun tengah dalam melakukan