Analisis Sentimen terhadap Kenaikan UKT di Indonesia Pasca Terpilihnya Capres 02 menggunakan VADER
Keywords:
Analisis Sentimen, Uang Kuliah Tunggal, VADER, tweet-harvest, NLPAbstract
Kenaikan Tarif Uang Kuliah Tunggal (UKT) menjadi isu hangat di Indonesia, terutama setelah keputusan Capres 02. Penelitian ini bertujuan untuk memahami bagaimana masyarakat bereaksi terhadap kebijakan kenaikan Uang Kuliah Tunggal (UKT) dengan menganalisis sentimen di Twitter. Kami mengumpulkan data dengan menggunakan perpustakaan tweet-harvest dari Node.js, kemudian membersihkan konten dari kata-kata umum dan menyamakan bentuk kata (stemming).Setelah itu, kami menggunakan alat VADER (Valence Aware Dictionary and sEntiment Reasoner) untuk menerjemahkan tweet ke dalam bahasa Inggris sehingga dapat dianalisis. Setiap tweet dikategorikan menjadi skor negatif, netral, atau positif oleh VADER.Selain itu, penelitian ini menghasilkan visualisasi cloud kata untuk setiap kategori sentimen, yang menampilkan kata-kata yang paling sering muncul dalam tweet. Hasil penelitian menunjukkan bahwa sentimen netral muncul dengan 243 tweet, diikuti oleh sentimen positif 217, dan sentimen negatif 189, masing-masing. Word cloud yang dibuat memberikan gambaran tambahan tentang topik utama yang dibicarakan dalam tweet. Studi ini menunjukkan bahwa VADER efektif dalam menganalisis sentimen tweet berbahasa Indonesia. Hasil penelitian ini bisa menjadi panduan bagi berbagai pihak, terutama pemerintah, untuk memahami reaksi masyarakat terhadap kenaikan UKT dan mengatasi masalah yang timbul. Temuan ini juga berguna dalam bidang-bidang seperti pemasaran, hubungan masyarakat, dan ilmu sosial, di mana memahami sentimen publik sangat penting.
References
L. Devi, “Mengenal Sistem Penentuan UKT, BKT, dan SPI di PTN.” Diakses: 18 Juni 2024. [Daring]. Tersedia pada:
https://www.brainacademy.id/blog/ukt-kuliah
M. Ardiansyah, T. Suharto, dan A. S. Farid, “Upaya Penanganan Uang Kuliah Tunggal (UKT) Bermasalah bagi Mahasiswa yang tidak Mampu pada Perguruan Tinggi,” JIIP - Jurnal Ilmiah Ilmu Pendidikan, vol. 5, no. 10, hlm. 4432–4441, Okt 2022, doi: 10.54371/jiip.v5i10.1036.
Siti Zaleha, “PROBLEMA PENENTUAN UANG KULIAH TUNGGAL: ANTARA HARAPAN DAN KENYATAAN PADA INSTITUT AGAMA ISLAM NEGERI BENGKULU,” e-Repository IAIN Bengkulu, hlm. 1–22, Jun 2022, Diakses: 22 Juni 2024. [Daring]. Tersedia pada: http://repository.iainbengkulu.ac.id/id/eprint/8758
Fatmah, “MARAKNYA AKSI MAHASISWA MENENTANG KENAIKAN UKT DAN UANG PENGEMBANGAN,” Berajah
Journal:Jurnal Pembelajaran dan Pengembangan Diri, vol. 4, Mei 2024, doi: 10.47353/bj.v4i2.339.
F. Rizali Rakhman, R. Wulan Ramadhani, dan Y. Ari Kuncoroyakti, “ANALISIS SENTIMEN DAN OPINI DIGITAL KAMPANYE 3M DI MASA COVID-19 MELALUI MEDIA SOSIAL TWITTER,” Komunikologi : Jurnal Ilmiah Ilmu Komunikasi, vol. 18, no. 8, Mar 2021, doi: https://doi.org/10.47007/jkomu.v18i01.301.
M. Taufiq Anwar, D. Riandhita Arief Permana, P. STMI Jakarta, P. Sistem Informasi Industri Otomotif, J. Letjen Suprapto No, dan J. Pusat, “Analisis Sentimen Masyarakat Indonesia Terhadap Produk Kendaraan Listrik
Menggunakan VADER,” JATISI (Jurnal Teknik Informatika dan Sistem Informasi), vol. 10, no. 1, hlm. 783–792, Mar 2023, [Daring]. Tersedia pada: http://jurnal.mdp.ac.id
R. Savira, A. Solichin, dan M. Syafrullah, “ANALISIS SENTIMEN PADA TWITTER TERHADAP KENAIKAN BBM 2022 DENGAN LEXICON DAN SUPPORT VECTOR MACHINE,” Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), vol. 2, no. 1, hlm. 211–218, Apr 2023, Diakses: 22 Juni 2024. [Daring]. Tersedia pada: https://senafti.budiluhur.ac.id/index.php/senafti/article/view/564
R. Vindua dan A. U. Zailani, “Analisis Sentimen Pemilu Indonesia Tahun 2024 Dari Media Sosial Twitter Menggunakan Python,” JURIKOM (Jurnal Riset Komputer), vol. 10, no. 2, hlm. 479, Apr 2023, doi: 10.30865/jurikom.v10i2.5945.
F. Fathonah dan A. Herliana, “Penerapan Text Mining Analisis Sentimen Mengenai Vaksin Covid - 19 Menggunakan Metode Naïve Bayes,” Jurnal Sains dan Informatika, vol. 7, no. 2, hlm. 155–164, Des 2021, doi:
34128/jsi.v7i2.331.
A. Rizky dan A. R. Pratama, “Analisis Sentimen Kebijakan Pendidikan di Masa Pandemi COVID-19 dengan CrowdTangle di Facebook,” AUTOMATA, vol. 2, Agu 2021, Diakses: 22 Juni 2024. [Daring]. Tersedia pada:
https://journal.uii.ac.id/AUTOMATA/article/view/19324
A. Mutia Mantika, A. Triayudi, dan R. T. Aldisa, “Sentiment Analysis on Twitter Using Naïve Bayes and Logistic Regression for the 2024 Presidential Election”, doi: 10.58905/sana.v2i1.267.
S. Aditya Quantano, H. Regiolina, dan A.-A. Januar, “Analisa Tanggapan Terhadap Psbb Di Indonesia Dengan Algoritma Decision Tree Pada Twitter,” Jurnal CoSciTech (Computer Science and Information Technology),
vol. 2, no. 2, hlm. 91–97, Des 2021, doi: 10.37859/coscitech.v2i2.2851.
L. A. Andika, P. A. N. Azizah, dan R. Respatiwulan, “Analisis Sentimen Masyarakat terhadap Hasil Quick Count Pemilihan Presiden Indonesia 2019 pada Media Sosial Twitter Menggunakan Metode Naive Bayes Classifier,” Indonesian Journal of Applied Statistics, vol. 2, no. 1, hlm. 34, Jul 2019, doi: 10.13057/ijas.v2i1.29998.
M. Atwa, “ANALISIS PENGEMBANGAN ALGORITMA PORTER STEMMING DALAM BAHASA INDONESIA,” Sep 2018. doi:10.31227/osf.io/7ge4v.
R. Anderson, C. Scala, J. Samuel, V. Kumar, dan P. Jain, “Are Emotions Conveyed Across Machine Translations? Establishing an Analytical Process for the Effectiveness of Multilingual Sentiment Analysis with Italian Text,” Journal of Big Data and Artificial Intelligence, vol. 2, no. 1, Jan 2024, doi: 10.54116/jbdai.v2i1.30.
M. R. Maarif, “Content Analysis on Twitter Users Interaction within First 100 Days of Jakarta’s New Government by Using Text Mining,” Journal Pekommas, vol. 3, no. 2, hlm. 137, Okt 2018, doi:10.30818/jpkm.2018.2030203.
K. Sussolaikah, “Pemanfaatan Packages Pada R Programming Untuk Crawling Data Pada Social Media,” Building of Informatics, Technology and Science (BITS), vol. 3, no. 3, hlm. 203–206, Des 2021, doi:10.47065/bits.v3i3.1035.
Z. Samda, “Data Tweet Collection.” 10 Juni 2024. Diakses: 10 Juni 2024. [Daring]. Tersedia pada:
https://docs.google.com/spreadsheets/d/1jR4GdLLAR45OCaqKTG75ZJGuBCBScjul/edit?usp
