Analisis Sentimen dan Topic Modelling Pada Pembelajaran Online di Indonesia Melalui Twitter

Authors

  • Indra Kusumajati Susanto Telkom University

DOI:

https://doi.org/10.31328/jointecs.v6i2.2350

Keywords:

pendidikan, pembelajaran online, twitter, analisis sentiment, topic modeling

Abstract

Penelitian ini bertujuan untuk mengetahui komentar dan respon dari berbagai pihak mengenai pembelajaran online yang dilakukan selama berlangsungnya pandemi COVID-19 yang masih terjadi di Indonesia menggunakan metode analisis sentimen dan topic modeling dengan machine learning Orange. Dimana untuk data yang berupa komentar dan reaksi dari berbagai pihak mengenai pembelajaran online diambil pada 18 April 2020 dan 21 Januari 2021 dari media sosial Twitter menggunakan API (Aplication Programming Interface). Hasil olahan data yang diambil pada 18 April 2020 dapat diketahui bahwa dari komentar dan respon yang muncul, paling banyak mengandung emosi surprise dengan nilai 44.5%. Emosi surprise menjadi yang paling banyak muncul karena pada awal pelaksanaannya, masyarakat Indonesia masih belum siap dengan pembelajaran online yang diterapkan. Baik mengenai sarana dan prasarana, serta teknis kegiatan pembelajaran online. Dan untuk pengambilan data pada 21 Januari 2021, dari komentar dan respon yang didapatkan, paling banyak mengandung emosi joy dengan nilai 48.4%. Namun, banyaknya emosi joy ini justru muncul karena adanya akun joki tugas-tugas sekolah dan tugas kuliah. Dari hasil pengolahan data yang dilakukan oleh Orange juga memberikan informasi bahwa sistem pembelajaran online yang dilakukan sampai saat ini masih mengalami beberapa kendala. Hal tersebut salah satunya dapat dilihat dari keluhan menggunakan kata tugas yang muncul sebanyak 481 kali. Selain itu, keluhan menggunakan kata tugas juga kembali muncul sebanyak 330 kali pada periode kedua.

Author Biography

Indra Kusumajati Susanto, Telkom University

Program Studi Manajemen Binis Telekomunikasi dan Informatika

References

I. Rahmat, “Implementasi Andragogi Platform E-learning pada Blended Learning di Universitas Negeri Padang,†J. Educ. Technol., vol. 4, no. 2, p. 133, 2020, doi: 10.23887/jet.v4i2.24817.

M. F. Saifuddin, “E-Learning dalam Persepsi Mahasiswa,†J. VARIDIKA, vol. 29, no. 2, pp. 102–109, 2018, doi: 10.23917/varidika.v29i2.5637.

Suryati, “Sistem Manajemen Pembelajaran Online Melalui E-learning,†Ghaidan Bimbing. Konseling dan Kemasyarakatan, vol. 1, no. 1, pp. 60–76, 2017, [Online]. Available: http://jurnal.radenfatah.ac.id/index.php/ghaidan/article/view/2034/1543.

S. Christina and D. Ronaldo, “Peran opinion mining dan sentiment analysis untuk mengidentifikasikan sentimen publik dalam sistem e-governance,†J. Teknol. Inf., vol. 10, no. 2, pp. 65–69, 2016.

X. Guo, W. Yu, and X. Wang, “An Overview on Fine-grained Text Sentiment Analysis: Survey and Challenges,†J. Phys. Conf. Ser., vol. 1757, no. 1, pp. 1–7, 2021, doi: 10.1088/1742-6596/1757/1/012038.

L. Zhang, S. Wang, and B. Liu, “Deep learning for sentiment analysis: A survey,†Wiley Interdiscip. Rev. Data Min. Knowl. Discov., vol. 8, no. 4, pp. 1–25, 2018, doi: 10.1002/widm.1253.

S. Sukatin, N. Chofifah, T. Turiyana, M. R. Paradise, M. Azkia, and S. N. Ummah, “Analisis Perkembangan Emosi Anak Usia Dini,†Golden Age J. Ilm. Tumbuh Kembang Anak Usia Dini, vol. 5, no. 2, pp. 77–90, 2020, doi: 10.14421/jga.2020.52-05.

S. Gu, F. Wang, N. P. Patel, J. A. Bourgeois, and J. H. Huang, “A model for basic emotions using observations of behavior in Drosophila,†Front. Psychol., vol. 10, no. APR, pp. 1–13, 2019, doi: 10.3389/fpsyg.2019.00781.

Y. Lin, X. Wang, and A. Zhou, “Opinion Analysis for Online Reviews,†East China Norm. Univ. Sci. Reports, vol. 4, Jul. 2016, doi: 10.1142/9996.

E. (Olivia) Park, B. (Kevin) Chae, and J. Kwon, “The structural topic model for online review analysis: Comparison between green and non-green restaurants,†J. Hosp. Tour. Technol., vol. 11, no. 1, pp. 1–17, 2018, doi: 10.1108/JHTT-08-2017-0075.

R. Habibi, D. B. Setyohadi, and E. Wati, “Analisis Sentimen Pada Twitter Mahasiswa Menggunakan Metode Backpropagation,†J. Inform., vol. 12, no. 1, pp. 103–109, 2016, doi: 10.21460/inf.2016.121.462.

P. Aptika-ikp, K. Komunikasi, J. Medan, and M. Barat, “Peluang Dan Tantangan Big Data Dalam Penelitian Ilmu Sosial,†J. Penelit. Komun. dan Opini Publik, vol. 20, no. 1, pp. 155–167, 2016.

V. M. Rumata, “Peluang dan tantangan big data dalam penelitian ilmu sosial: Sebuah kajian literatur,†Puslitbang APTIKA-IKP, vol. 20, no. 1, pp. 155–167, 2016.

I. Yaqoob et al., “Big data: From beginning to future,†Int. J. Inf. Manage., vol. 36, no. 6, pp. 1231–1247, 2016, doi: 10.1016/j.ijinfomgt.2016.07.009.

P. Y. Saputra, “Implementasi Teknik Crawling untuk Pengumpulan Data dari Media Sosial Twitter,†Din. Dotcom, vol. 8, pp. 160–168, 2017.

R. T. Wahyuni, D. Prastiyanto, and E. Supraptono, “Penerapan Algoritma Cosine Similarity dan Pembobotan TF-IDF pada Sistem Klasifikasi Dokumen Skripsi,†J. Tek. Elektro, vol. 9, no. 1, pp. 18–23, 2017, [Online]. Available: https://journal.unnes.ac.id/nju/index.php/jte/article/view/10955/6659.

S. Karyadi and H. Yasin, “Analisis Kecenderungan Informasi Dengan Menggunakan Metode Text Mining (Studi Kasus: Akun Twitter @Detikcom),†J. Gaussian, vol. 5, no. 4, pp. 763–770, 2016.

C. Chen, X. Hu, H. Zhang, and Z. Shou, “Fine Grained Sentiment Analysis Based on Bert,†J. Phys. Conf. Ser., vol. 1651, no. 1, pp. 1–7, 2020, doi: 10.1088/1742-6596/1651/1/012016.

H. Juwiantho, E. I. Setiawan, J. Santoso, and M. H. Purnomo, “Sentiment Analysis Twitter Bahasa Indonesia Berbasis Word2Vec Menggunakan Deep Convolutional Neural Network,†J. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 1, pp. 181–188, 2020, doi: 10.25126/jtiik.202071758.

R. Talib, M. Kashif, S. Ayesha, and F. Fatima, “Text Mining: Techniques, Applications and Issues,†Int. J. Adv. Comput. Sci. Appl., vol. 7, no. 11, pp. 414–418, 2016, doi: 10.14569/ijacsa.2016.071153.

Downloads

Additional Files

Published

2021-05-31

Issue

Vol. 6 No. 2 (2021)

Section

Articles

License

Pernyataan Hak Cipta dan Lisensi

Hak Cipta :

Penulis yang mempublikasikan naskahnya pada Jurnal ini menyetujui ketentuan berikut:

Hak cipta pada setiap artikel adalah milik penulis.

  1. Penulis mengakui bahwa JOINTECS (JOURNAL OF INFORMATION TECHNOLOGY AND COMPUTER SCIENCE) berhak sebagai yang mempublikasikan pertama kali dengan lisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0).
  2. Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif  dari naskah yang telah terbit di jurnal ini kedalam versi yang lain (misal: dikirim ke respository institusi penulis, publikasi kedalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali pada JOINTECS (JOURNAL OF INFORMATION TECHNOLOGY AND COMPUTER SCIENCE);

Lisensi :

JOINTECS diterbitkan berdasarkan ketentuan Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0). Lisensi ini mengizinkan setiap orang untuk menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun, menggubah, mengubah, dan membuat turunan dari materi ini untuk kepentingan apapun, termasuk kepentingan komersial, selama mereka mencantumkan kredit kepada Penulis atas ciptaan asli.

This work is Under licensed

Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)