Analisis Sentimen Ulasan Kebijakan Zonasi Sekolah Pada Penerimaan Siswa Baru Dengan Teks Bahasa Indonesia Menggunakan Algoritma NaÏve Bayes

Abstract

Abstrak Dunia pendidikan Indonesia setiap tahunnya terus mencoba memperbaiki sistem pendidikannya salah satu yang cukup kontroversial atau ramai di beritakan adalah kebijakan zonasi dalam penerimaan siswa baru yang berlaku pada tahun ajaran baru 2019/2020. Karena kebijakan Zonasi Sekolah, calon murid yang rumah tempat tinggalnya berada di sekitar sekolah dari tingkat SD hingga SMA diprioritaskan untuk berhak menjadi calon murid dibandingkan dengan siswa yang mungkin saja rumah tempat tinggalnya jauh dari sekolah yang di favoritkannya sejak lama, permasalahan kebijakan zonasi sekolah cukup membuat orang tua murid resah, karena mungkin saja tidak bisa bersekolah di sekolah favorit. Oleh karena permasalahan tersebut dirancanglah sistem sentimen analisis ulasan berdasarkan sosial media twitter tentang permasalahan zonasi sekolah dengan menggunakan Metode Naïve bayes. Sistem analisis setimen kebijakan zonasi sekolah yang dirancang akan menghasilkan klasfikasi dari opini-opini masyarakat pengguna twitter dan dapat menyimpulkan kebijakan tersebut merupakan kategori positif, negatif atau netral dari pengguna twitter di Indonesia. Dengan harapan sistem ini dapat menjadi informasi umpan balik dari permasalahan yang sedang dihadapi oleh pendidikan Indonesia. Pada penelitian ini Sistem menghasilkan akurasi sebesar 90.69%, presisi 90.93%, recall 90.69% dan f1 score 90.75% dengan jumlah fitur terbaik yaitu 2000. Kata kunci : Klasifikasi Teks, Pendidikan, Zonasi Sekolah, Naïve Bayes, sentimen analisis. Abstract The world of education in Indonesia continues to try to improve its education system every year, one of which is quite controversial or widely preached is the zoning policy in admitting new students that applies in the new school year 2019/2020. Because of the School Zoning Policy, prospective students whose homes are located around the school from elementary to high school level are prioritized to be eligible to become prospective students compared to students who may have their homes far from the school they have favored for a long time, the problem of school zoning policies is enough to make parents are worried, because they might not be able to go to a favorite school. Because of this problem, a sentiment analysis review system was designed based on social media Twitter on the issue of school zoning using the Naïve Bayes Method. The school zoning policy setiment analysis system designed will produce classifications of the opinions of the Twitter user community and can conclude that the policy is a positive, negative or neutral category of Twitter users in Indonesia. It is hoped that this system can provide feedback on the problems being faced by Indonesian education. In this study the system produces an accuracy of 90.69%, a precision of 90.93%, a recall of 90.69% and an F1 score of 90.75% with the best number of features, 2000. Keywords: Text Classification, Naïve Bayes