Journal Article
Analisis Sentimen Kebijakan MBKM Berdasarkan Opini Masyarakat di Twitter Menggunakan LSTM
Abstract
Merdeka Belajar Kampus Merdeka (MBKM) merupakan kebijakan Kemendikbud RI yang berperan penting dalam menciptakan pembelajaran otonom dan fleksibel, memungkinkan mahasiswa belajar di luar program studi utama. Meski demikian, kebijakan ini menimbulkan pro dan kontra sehingga diperlukan analisis dan evaluasi untuk meningkatkan efektivitasnya melalui umpan balik masyarakat. Penelitian ini melakukan analisis sentimen terhadap kebijakan MBKM menggunakan data tweet pengguna Twitter dari tahun 2020-2022, dengan kata kunci "MBKM", "MSIB", dan "merdeka belajar". Metode Long-Short Term Memory (LSTM) digunakan untuk mengklasifikasi sentimen multiclass pada tweet berbahasa Indonesia ke dalam enam kelas emosi. Proses pengumpulan dan persiapan data meliputi seleksi fitur, penghapusan duplikasi, seleksi tweet, serta pre-processing seperti case folding, tokenizing, pembersihan karakter, normalisasi, dan stemming untuk pembobotan TF-IDF yang mendukung pembuatan model LSTM. Model LSTM yang dihasilkan dan dilatih pada 658 tweet memperoleh akurasi terbaik 80,42%. Sentimen pengguna Twitter terhadap MBKM didominasi oleh perasaan "bingung" (39,51%), diikuti "senang" (16,26%), "sedih" (15,80%), "marah" (13,98%), "takut" (7,29%), dan "terkejut" (7,14%). Hasil ini menegaskan pentingnya penyempurnaan kebijakan MBKM agar pelaksanaan semakin jelas dan mahasiswa lebih nyaman serta memiliki sentimen positif atas program ini.
Overview
Penelitian ini menganalisis sentimen masyarakat terhadap kebijakan Merdeka Belajar Kampus Merdeka (MBKM) dengan mengumpulkan tweet berbahasa Indonesia dari tahun 2020–2022 menggunakan kata kunci terkait program MBKM.
Proses pengolahan data meliputi seleksi dan pembersihan tweet, kemudian serangkaian tahapan pre-processing seperti case folding, tokenizing, pembersihan karakter, normalisasi, dan stemming sebelum dilakukan pembobotan TF-IDF dan pelatihan model LSTM.
Key Contributions
- Membangun dataset 658 tweet berbahasa Indonesia terkait kebijakan MBKM dari Twitter dengan tahapan seleksi fitur, penghapusan duplikasi, dan seleksi konten.
- Menerapkan rangkaian tahapan text preprocessing (case folding, tokenizing, pembersihan karakter, normalisasi, dan stemming) serta pembobotan TF-IDF untuk mendukung pelatihan model LSTM.
- Mengembangkan model LSTM untuk klasifikasi sentimen multiclass ke dalam enam kelas emosi terhadap kebijakan MBKM.
- Mencapai akurasi terbaik sebesar 80,42% dan menunjukkan bahwa sentimen yang dominan terhadap kebijakan MBKM adalah perasaan "bingung", diikuti emosi lain seperti senang, sedih, marah, takut, dan terkejut.