Analisis Sentimen Kebijakan Penerapan Kurikulum Merdeka Sekolah Dasar dan Sekolah Menengah pada Media Sosial Twitter dengan Menggunakan Metode Word Embedding dan Long Short Term Memory Networks (LSTM)
Pandemi COVID-19 memberikan banyak kendala terhadap seluruh aspek kehidupan manusia tidak terlepas aspek Pendidikan. Merujuk kondisi selama COVID-19 kegiatan pendidikan mengalami learning loss yang membuat Kemendikbudristek mengeluarkan sebuah kebijakan baru yaitu implementasi kurikulum merdeka. Ke...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
University of Brawijaya
2023-07-01
|
| Series: | Jurnal Teknologi Informasi dan Ilmu Komputer |
| Online Access: | https://jtiik.ub.ac.id/index.php/jtiik/article/view/6977 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1823858601616211968 |
|---|---|
| author | Alif Rizal Maulana Satrio Hadi Wijoyo Yusi Tyroni Mursityo |
| author_facet | Alif Rizal Maulana Satrio Hadi Wijoyo Yusi Tyroni Mursityo |
| author_sort | Alif Rizal Maulana |
| collection | DOAJ |
| description |
Pandemi COVID-19 memberikan banyak kendala terhadap seluruh aspek kehidupan manusia tidak terlepas aspek Pendidikan. Merujuk kondisi selama COVID-19 kegiatan pendidikan mengalami learning loss yang membuat Kemendikbudristek mengeluarkan sebuah kebijakan baru yaitu implementasi kurikulum merdeka. Kebijakan baru ini tentu mendatangkan banyak opini dari berbagai pihak salah satunya siswa yang terkena dampak langsung dari kurikulum ini. Salah satu media sosial yang sering digunakan untuk menyampaikan opini oleh masyarakat Indonesia adalah Twitter. Analisis sentimen dilakukan pada opini siswa yang diutarakan di media sosial Twitter dengan menggunakan pendekatan machine learning. Arsitektur yang digunakan adalah Long Short-Term Memory Networks (LSTM). Metode yang digunakan untuk mempersiapkan data adalah word embedding dengan menggunakan layers embedding dari library TensorFlow. Dataset dkumpulkan dengan teknik text mining yang menggunakan bahasa pemrograman Python dan Twitter API. Hasil pengumpulan data sebanyak 455 opini terbagi dalam tiga kelas sentimen yaitu Negatif, Netral, dan Positif. Model dievaluasi menggunakan classification report yang menghasilkan empat nilai metrics yaitu, accuracy, recall, precision, dan f1-score. Hasil dari metrics tersebut didapatkan sebesar 81%, 81%, 80%, dan 79%. Selain itu, hasil dari penelitian ini ditujukan kepada pihak sekolah dan dinas pendidikan kota batu yang mana dari hasil wawancaranya pihak sekolah dan dinas menyetujui output penelitian ini adalah sebuah visualisasi dashboard hasil analisis sentimen. Hasil dashboard tersebut juga diuji menggunakan kuisioner System Usability Scale (SUS) yang dilakukan oleh perwakilan dari dinas dan sekolah sebanyak 6 orang, hasil dari kuesioner tersebut adalah SUS Score sebesar 62,5 yang menunjukkan hasil cukup baik namun dapat dikembangkan lebih lanjut. Visualisasi Dashboard juga digunakan pihak sekolah dan dinas pendidikan kota batu sebagai ukuran manfaat dan refleksi dari penerapan kurikulum merdeka dan juga melakukan evaluasi untuk lebih baik kedepannya.
Abstract
The COVID-19 pandemic has created many obstacles to all aspects of human life, including education. Referring to the conditions during COVID-19, educational activities experienced a learning loss which prompted the Ministry of Education and Culture to issue a new policy, namely the implementation of an independent curriculum. This new policy certainly brings in many opinions from various parties, one of which is students who are directly affected by this curriculum. One of the social media that is often used to convey opinions by the people of Indonesia is Twitter. Sentiment analysis was carried out on student opinions expressed on social media Twitter using a machine learning approach. The architecture used is Long Short-Term Memory Networks (LSTM). The method used to prepare the data is word embedding using layers embedding from the TensorFlow library. The dataset was collected using text mining techniques using the Python programming language and the Twitter API. The results of data collection were 455 opinions divided into three sentiment classes, namely Negative, Neutral and Positive. The model is evaluated using a classification report which produces four metrics values, namely, accuracy, recall, precision, and f1-score. The results of these metrics were 81%, 81%, 80%, and 79%. In addition, the results of this study were addressed to the Batu City school and education office where, from the results of interviews, the school and service agreed that the output of this research was a dashboard visualization of sentiment analysis results. The results of the dashboard were also tested using the System Usability Scale (SUS) questionnaire which was carried out by representatives from offices and schools as many as 6 people, the result of the questionnaire was a SUS Score of 62.5 which showed quite good results but could be developed further. Dashboard visualization is also used by schools and the Batu City Education Office as a measure of the benefits and reflections of implementing the Independent Curriculum and also conducting evaluations to make it better in the future.
|
| format | Article |
| id | doaj-art-102de88a83ff4f1fb2296ffe053a2d59 |
| institution | Kabale University |
| issn | 2355-7699 2528-6579 |
| language | Indonesian |
| publishDate | 2023-07-01 |
| publisher | University of Brawijaya |
| record_format | Article |
| series | Jurnal Teknologi Informasi dan Ilmu Komputer |
| spelling | doaj-art-102de88a83ff4f1fb2296ffe053a2d592025-02-11T10:39:06ZindUniversity of BrawijayaJurnal Teknologi Informasi dan Ilmu Komputer2355-76992528-65792023-07-0110310.25126/jtiik.202310369771120Analisis Sentimen Kebijakan Penerapan Kurikulum Merdeka Sekolah Dasar dan Sekolah Menengah pada Media Sosial Twitter dengan Menggunakan Metode Word Embedding dan Long Short Term Memory Networks (LSTM)Alif Rizal Maulana0Satrio Hadi Wijoyo1Yusi Tyroni Mursityo2Universitas Brawijaya, MalangUniversitas Brawijaya, MalangUniversitas Brawijaya, Malang Pandemi COVID-19 memberikan banyak kendala terhadap seluruh aspek kehidupan manusia tidak terlepas aspek Pendidikan. Merujuk kondisi selama COVID-19 kegiatan pendidikan mengalami learning loss yang membuat Kemendikbudristek mengeluarkan sebuah kebijakan baru yaitu implementasi kurikulum merdeka. Kebijakan baru ini tentu mendatangkan banyak opini dari berbagai pihak salah satunya siswa yang terkena dampak langsung dari kurikulum ini. Salah satu media sosial yang sering digunakan untuk menyampaikan opini oleh masyarakat Indonesia adalah Twitter. Analisis sentimen dilakukan pada opini siswa yang diutarakan di media sosial Twitter dengan menggunakan pendekatan machine learning. Arsitektur yang digunakan adalah Long Short-Term Memory Networks (LSTM). Metode yang digunakan untuk mempersiapkan data adalah word embedding dengan menggunakan layers embedding dari library TensorFlow. Dataset dkumpulkan dengan teknik text mining yang menggunakan bahasa pemrograman Python dan Twitter API. Hasil pengumpulan data sebanyak 455 opini terbagi dalam tiga kelas sentimen yaitu Negatif, Netral, dan Positif. Model dievaluasi menggunakan classification report yang menghasilkan empat nilai metrics yaitu, accuracy, recall, precision, dan f1-score. Hasil dari metrics tersebut didapatkan sebesar 81%, 81%, 80%, dan 79%. Selain itu, hasil dari penelitian ini ditujukan kepada pihak sekolah dan dinas pendidikan kota batu yang mana dari hasil wawancaranya pihak sekolah dan dinas menyetujui output penelitian ini adalah sebuah visualisasi dashboard hasil analisis sentimen. Hasil dashboard tersebut juga diuji menggunakan kuisioner System Usability Scale (SUS) yang dilakukan oleh perwakilan dari dinas dan sekolah sebanyak 6 orang, hasil dari kuesioner tersebut adalah SUS Score sebesar 62,5 yang menunjukkan hasil cukup baik namun dapat dikembangkan lebih lanjut. Visualisasi Dashboard juga digunakan pihak sekolah dan dinas pendidikan kota batu sebagai ukuran manfaat dan refleksi dari penerapan kurikulum merdeka dan juga melakukan evaluasi untuk lebih baik kedepannya. Abstract The COVID-19 pandemic has created many obstacles to all aspects of human life, including education. Referring to the conditions during COVID-19, educational activities experienced a learning loss which prompted the Ministry of Education and Culture to issue a new policy, namely the implementation of an independent curriculum. This new policy certainly brings in many opinions from various parties, one of which is students who are directly affected by this curriculum. One of the social media that is often used to convey opinions by the people of Indonesia is Twitter. Sentiment analysis was carried out on student opinions expressed on social media Twitter using a machine learning approach. The architecture used is Long Short-Term Memory Networks (LSTM). The method used to prepare the data is word embedding using layers embedding from the TensorFlow library. The dataset was collected using text mining techniques using the Python programming language and the Twitter API. The results of data collection were 455 opinions divided into three sentiment classes, namely Negative, Neutral and Positive. The model is evaluated using a classification report which produces four metrics values, namely, accuracy, recall, precision, and f1-score. The results of these metrics were 81%, 81%, 80%, and 79%. In addition, the results of this study were addressed to the Batu City school and education office where, from the results of interviews, the school and service agreed that the output of this research was a dashboard visualization of sentiment analysis results. The results of the dashboard were also tested using the System Usability Scale (SUS) questionnaire which was carried out by representatives from offices and schools as many as 6 people, the result of the questionnaire was a SUS Score of 62.5 which showed quite good results but could be developed further. Dashboard visualization is also used by schools and the Batu City Education Office as a measure of the benefits and reflections of implementing the Independent Curriculum and also conducting evaluations to make it better in the future. https://jtiik.ub.ac.id/index.php/jtiik/article/view/6977 |
| spellingShingle | Alif Rizal Maulana Satrio Hadi Wijoyo Yusi Tyroni Mursityo Analisis Sentimen Kebijakan Penerapan Kurikulum Merdeka Sekolah Dasar dan Sekolah Menengah pada Media Sosial Twitter dengan Menggunakan Metode Word Embedding dan Long Short Term Memory Networks (LSTM) Jurnal Teknologi Informasi dan Ilmu Komputer |
| title | Analisis Sentimen Kebijakan Penerapan Kurikulum Merdeka Sekolah Dasar dan Sekolah Menengah pada Media Sosial Twitter dengan Menggunakan Metode Word Embedding dan Long Short Term Memory Networks (LSTM) |
| title_full | Analisis Sentimen Kebijakan Penerapan Kurikulum Merdeka Sekolah Dasar dan Sekolah Menengah pada Media Sosial Twitter dengan Menggunakan Metode Word Embedding dan Long Short Term Memory Networks (LSTM) |
| title_fullStr | Analisis Sentimen Kebijakan Penerapan Kurikulum Merdeka Sekolah Dasar dan Sekolah Menengah pada Media Sosial Twitter dengan Menggunakan Metode Word Embedding dan Long Short Term Memory Networks (LSTM) |
| title_full_unstemmed | Analisis Sentimen Kebijakan Penerapan Kurikulum Merdeka Sekolah Dasar dan Sekolah Menengah pada Media Sosial Twitter dengan Menggunakan Metode Word Embedding dan Long Short Term Memory Networks (LSTM) |
| title_short | Analisis Sentimen Kebijakan Penerapan Kurikulum Merdeka Sekolah Dasar dan Sekolah Menengah pada Media Sosial Twitter dengan Menggunakan Metode Word Embedding dan Long Short Term Memory Networks (LSTM) |
| title_sort | analisis sentimen kebijakan penerapan kurikulum merdeka sekolah dasar dan sekolah menengah pada media sosial twitter dengan menggunakan metode word embedding dan long short term memory networks lstm |
| url | https://jtiik.ub.ac.id/index.php/jtiik/article/view/6977 |
| work_keys_str_mv | AT alifrizalmaulana analisissentimenkebijakanpenerapankurikulummerdekasekolahdasardansekolahmenengahpadamediasosialtwitterdenganmenggunakanmetodewordembeddingdanlongshorttermmemorynetworkslstm AT satriohadiwijoyo analisissentimenkebijakanpenerapankurikulummerdekasekolahdasardansekolahmenengahpadamediasosialtwitterdenganmenggunakanmetodewordembeddingdanlongshorttermmemorynetworkslstm AT yusityronimursityo analisissentimenkebijakanpenerapankurikulummerdekasekolahdasardansekolahmenengahpadamediasosialtwitterdenganmenggunakanmetodewordembeddingdanlongshorttermmemorynetworkslstm |