Analisis Sentimen Kebijakan UKT Menggunakan Algoritma Support Vector Machine (SVM)

• Tim Peneliti Maryulianti
• Jurnal Link Jurnal
• Share on

Uang Kuliah Tunggal (UKT) adalah sistem pembanyaran uang kuliah yang diterapkan perguruan tinggi di Indonesia, khusus untuk program sarjana (S1) dan program diploma mulai tahun akademik 2013/2014. Namun sejak dikeluarkannya Permendikbud Nomor 55 Tahun 2013 mengenai UKT, timbul permasalahan dikalang masyarakat termasuk mahasiswa karena penetapan UKT yang tidak sesuai dengan kondisi pendapatan keluarga. Selain itu juga kenaikan UKT yang tiba-tiba membuat seorang mahasiswa harus putus kuliah karena tidak mampu membayar biaya UKT. Berita ini sempat menjadi sorotan publik di media sosial Twitter dan ditanggapi oleh ribuan pengguna Twitter. Salah satu pendekatan yang digunakan dalam memahami respon dari public apalagi berkaitan dengan kebijakan pemerintah adalah analisis sentimen berbasis machine learning. Dalam penelitian ini menggunakan algoritma Support vector machine sebagai algoritma classifier. Pada penelitian ini menggunakan 2 penelitian, yaitu pertama mengklasifikasikan 2 kelas yaitu label positif dan label negatif lalu penelitian kedua mengklasifikasikan 3 kelas yaitu label positif, label netral, dan label negatif. Hasil dari penelitian 2 kelas yaitu mendapatkan akurasi 92% dengan rincian 57.1% label negatif dan 42.9% label positif. Kemudian pengujian 3 kelas mendapatkan accuracy 88% dengan rincian 38.1% label netral, 36.6% label negatif, dan 25.3% sentimen Positif. Berdasarkan hasil klasifikasi kedua penelitian sama-sama menyatakan bahwa opini masyarakat tidak puas dengan kebijakan tentang Uang Kuliah Tunggal dimana label negatif lebih banyak daripada label positif