Analisis sentimen pendidikan pesantren pada media sosial Twitter dengan metode naive bayes

INDONESIA:

Maraknya berita negatif di lingkungan pondok pesantren menjadi fenomena yang menciderai konotasi positif pesantren sebagai tempat penguatan pendidikan karakter. Dengan adanya perkembangan teknologi informasi, masyarakat bisa dengan mudah menyampaikan opininya di berbagai media sosial, salah satunya adalah Twitter. Pemikiran satu orang dengan orang yang lainnya dengan mudah menyebar sehingga mengakibatkan mispersepsi. Perlu dilakukan upaya untuk mengetahui apakah masyarakat masih menilai pendidikan pesantren sebagai hal yang positif atau sebaliknya, sehingga penilaian pesantren dapat diketahui secara objektif dan bisa dibuktikan kebenarannya dengan data yang akurat dengan bantuan proses analisis sentimen. Metode yang digunakan pada proses analisis sentimen ini adalah Naïve Bayes karena kemampuannya mengklasifikasikan sebuah teks berdasarkan probabilitas atau kemungkinan yang ada. Selanjutnya dilakukan ekstraksi fitur TF-IDF untuk memberikan penilaian pengaruh masing-masing kata terhadap proses klasifikasi sentimen. Kemudian model ini dilatih menggunakan data tweets yang sudah diberikan pelabelan oleh ahli bahasa. Hasil penelitian menunjukkan bahwa metode Naïve Bayes memberikan kinerja yang lebih baik jika dilakukan penambahan ekstraksi fitur TF-IDF pada perbandingan data latih dan data uji sebesar 9:1 dengan perbandingan nilai akurasi sebesar 0.88:0.67, nilai presisi yang sama, perbandingan recall sebesar 0.9:0.64 dan perbandingan f-measure sebesar 0.94:0.81.

ENGLISH:

The proliferation of negative news within the pesantren (Islamic boarding school) environment has become a phenomenon that undermines the positive connotation of pesantren as a place for character education reinforcement. With the development of information technology, people can easily express their opinions on various social media platforms, including Twitter. The thoughts of one individual can easily spread to others, leading to misconceptions. Efforts need to be made to determine whether the public still perceives pesantren education positively or otherwise, so that an objective assessment of pesantren can be obtained and substantiated with accurate data through sentiment analysis. The method used in this sentiment analysis process is Naïve Bayes due to its ability to classify text based on probabilities or likelihoods. Furthermore, feature extraction using TF-IDF (Term Frequency-Inverse Document Frequency) is performed to assess the influence of each word on the sentiment classification process. Subsequently, the model is trained using tweets data that have been labeled by language experts. The research results demonstrate that the Naïve Bayes method achieves better performance when the addition of TF-IDF feature extraction is applied, with a training-to-testing data ratio of 9:1. The accuracy values are 0.88 and 0.67, the precision values are equal, the recall ratio is 0.9:0.64, and the f-measure ratio is 0.94:0.81.

ARABIC:

انتشار الأخبار السلبية في بيئة المدارس الدينية (المدارس الدينية) أصبح ظاهرة تضر بالتصوير الإيجابي للمدارس الدينية كمكان لتعزيز تعليم القيم. مع تطور تكنولوجيا المعلومات، أصبح بإمكان الناس التعبير عن آرائهم بسهولة عبر وسائل التواصل الاجتماعي المختلفة، بما في ذلك تويتر. تنتشر أفكار الأفراد بسهولة بين بعضهم البعض مما يؤدي إلى حدوث تفسيرات خاطئة. يتعين بذل جهود لمعرفة ما إذا كان الجمهور لا يزال ينظر إلى التعليم في المدارس الدينية بصورة إيجابية أم لا، حتى يتسنى الحصول على تقييم موضوعي للمدارس الدينية يمكن توثيقه بواسطة بيانات دقيقة من خلال عملية تحليل المشاعر. يستخدم في هذه العملية طريقة Naïve Bayes بسبب قدرتها على تصنيف النصوص استنادًا إلى الاحتمالات أو الاحتمالات الموجودة. يتم أيضًا استخراج الميزات باستخدام TF-IDF (تردد المصطلح - تردد المستند المعكوس) لتقييم تأثير كل كلمة على عملية تصنيف المشاعر. يتم تدريب النموذج باستخدام بيانات التغريدات التي تم تصنيفها بواسطة خبراء اللغة. تشير نتائج البحث إلى أن طريقة Naïve Bayes تحقق أداءً أفضل عند إضافة استخراج الميزات TF-IDF، حيث يكون نسبة بيانات التدريب إلى البيانات التجريبية 9:1. تكون قيم الدقة 0.88:0.67، وقيمة الدقة متساوية، ونسبة الاسترجاع 0.9:0.64، ونسبة القياس الشامل 0.94:0.81