Analisis Sentimen Pembelajaran Tatap Muka dengan Apache SPARK
Abstract
Menteri Pendidikan (Mendikbud Ristek), Nadiem Makarim menegaskan bahwa akan memprioritaskan kepada guru atau staf pengajar untuk melaksanakan vaksinasi, sehingga pada minggu kedua dan ketiga di bulan Juli dengan tahun ajaran baru diharapkan semua sekolah sudah dapat melakukan pembelajaran tatap muka secara terbatas dengan tetap memperhatikan protokol kesehatan. Namun dari hasil statistik pada covid19.go.id jumlah kasus terkonfirmasi kembali naik hingga kasus terkonfirmasi hingga tanggal 13 Juli 2021 sebanyak 2,5 juta kasus dan pemerintah kembali menerapkan PPKM Darurat di wilayah jawa dan bali. Hal ini menyebabkan berbagai respons pada masyarakat terhadap pembelajaran tatap muka, Penelitian ini bermaksud untuk menganalisis pendapat masyarakat terhadap pembelajaran tatap muka dan kasus yang kembali melonjak. Penelitian ini menggunakan Scraping Twitter API dengan fitur streaming Tweepy dan Spark untuk pengumpulan data, Spark MLlib dan Spark NLP untuk model klasifikasi dan metode klasifikasi regresi logistik. Hasil analisis yang didapatkan 47.7% sentimen “Neutral” dan 31.4% sentimen “Positive” sedangkan untuk sentimen “Positive” pada pembelajaran tatap muka 20.9%. berdasarkan hasil penelitian ini, dapat dikatakan bahwa masyarakat memiliki opini “Neutral” terhadap pembelajaran tatap muka selama pandemi. bukan berarti masyarakat tidak peduli atau kritis dalam menghadapi kasus. ditemukan bahwa beberapa masyarakat menentang dan membantah pembelajaran tatap muka. akan tetapi, terdapat beberapa masyarakat juga yang mendukung adanya pembelajaran tatap muka agar anak anak mereka dapat kembali ke sekolah untuk menuntut pendidikan seperti semula.
Kata kunci—Analisis sentimen; klasifikasi; sekolah daring; Spark.
Keywords
Full Text:
PDFReferences
Samsir, Ambiyar, U. Verawardina, F. Edi, and R. Watrianthos, “Analisis Sentimen Pembelajaran Daring Pada Twitter di Masa Pandemi COVID-19 Menggunakan Metode Naïve Bayes,” J. Media Inform. Budidarma, vol. 5, pp. 157–163, 2021, doi: 10.30865/mib.v5i1.2604.
G. T. P. P. Covid19, “Peta Sebaran,” 2019. [Online]. Available: https://covid19.go.id/peta-sebaran covid19.
I. S. Adhi, “4 Manfaat Vaksin Covid-19 yang Perlu Dipahami,” 2021. [Online]. Available: https://health.kompas.com/read/2021/06/27/120400768/4-manfaat-vaksin-covid-19-yang-perludipahami?page=all.
Y. Makdori, “Kasus Covid-19 Melonjak, Nadiem Makarim Diminta Tunda Pembelajaran Tatap Muka Terbatas,” 2021. [Online]. Available: https://www.liputan6.com/news/read/4590185/kasus-covid-19-melonjak-nadiem-makarim-diminta tunda-pembelajaran-tatap-muka-terbatas.
P. Aliandu, “Twitter Used by Indonesian President : An Sentimen Analysis of Timeline,” Inf. Syst. Int. Conf., no. December, pp. 2–4, 2013.
O. Somantri and D. Apriliani, “Support Vector Machine Berbasis Feature Selection Untuk Sentimen Analysis Kepuasan Pelanggan Terhadap Pelayanan Warung dan Restoran Kuliner Kota Tegal,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 5, p. 537, 2018, doi:10.25126/jtiik.201855867.
N. Ramdhani and R. H. Al-fadillah, “ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP BELAJAR DARING SELAMA PANDEMI COVID-19 DENGAN DEEP LEARNING Kata Kunci : Analisis sentimen , Twitter , belajar daring , COVID-19 , Deep Learning,” 2021.
A. P. Natasuwarna, “Analisis Sentimen Keputusan Pemindahan Ibukota Negara Menggunakan Klasifikasi Naive Bayes,” Semin. Nas. Sist. Inf. dan Tek. Inform., pp. 47–53, 2019.
A. P. Kirilenko, S. O. Stepchenkova, and H. Kim, “Automated Sentimen Analysis in Tourism: Comparison of Approaches,” 2017, doi: https://doi.org/10.1177/0047287517729757.
E. Mona Cindo, Dian Palupi Rini, “Literartur Review : Metode Klasifikasi Pada Sentimen Analisis,” Semin. Nas. Teknol. Komput. Sains, pp. 66–70, 2019.
N. L. P. C. Savitri, R. A. Rahman, R. Venyutzky, and N. A. Rakhmawati, “Analisis Klasifikasi Sentimen Terhadap Sekolah Daring pada Twitter Menggunakan Supervised Machine Learning,” J. Tek. Inform. dan Sist. Inf., vol. 7, no. 1, pp. 47–58, 2021, doi: 10.28932/jutisi.v7i1.3216.
R. A. Ariyanto and N. Chamidah, “Sentimen Analysis for Zoning System Admission Policy Using Support Vector Machine and Naive Bayes Methods,” J. Phys. Conf. Ser., vol. 1776, no. 1, 2021, doi: 10.1088/1742-6596/1776/1/012058.
R. A. Fauzi, I. Cholissodin, and B. Rahayudi, “Pemanfaatan Spark untuk Analisis Sentimen Mengenai Neutralitas Berita dalam Membahas Pemilu Presiden 2019 Menggunakan Metode Naïve Bayes Classifier,” vol. 5, no. 3, pp. 1070–1077, 2021.
N. C. Lengkong, O. Safitri, S. Machsus, Y. R. Putra, A. Syahadati, and R. Nooraeni, “Analisis Sentimen Penerapan Psbb Di Dki Jakarta Dan Dampaknya Terhadap Pergerakan Ihsg,” J. Teknoinfo, vol. 15, no. 1, p. 20, 2021, doi: 10.33365/jti.v15i1.866.
G. A. K. R. S. Dewi and D. P. Vijaya, Investasi dan Pasar Modal. 2018.
R. R. Aryanto and D. H. Fudholi, “Analyzing Public’s Reaction towards Black Lives Matter Campaign using Machine learning-based Approach through Spark,” IOP Conf. Ser. Mater. Sci. Eng., vol. 1077, no. 1, p. 012005, 2021, doi: 10.1088/1757-899x/1077/1/012005.
L. R. Nair, S. D. Shetty, and S. D. Shetty, “Streaming big data analysis for real-time sentimen based targeted advertising,” Int. J. Electr. Comput. Eng., vol. 7, no. 1, pp. 402–407, 2017, doi: 10.11591/ijece.v7i1.pp402-407.
Suyanto, Data Mining untuk Klasifikasi dan Klasterisasi Data “Edisi Revisi.” Bandung: Informatika, 2019.
DOI: http://dx.doi.org/10.30872/jurti.v6i2.8162
Refbacks
- There are currently no refbacks.
Copyright (c) 2022 Jurnal Rekayasa Teknologi Informasi (JURTI)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Alamat Redaksi :
Program Studi Informatika
Fakultas Teknik
Jl. Sambaliung No. 9 Kampus Gunung Kelua Samarinda 75119 - Kalimantan Timur
e-mail : jurti.unmul@fkti.unmul.ac.id
Url : http://e-journals.unmul.ac.id/index.php/INF
Contact Person : Medi Taruk [081543438301]
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.