ANALISIS SENTIMEN DATA TWITTER TERHADAP PELAKSANAAN PEMBELAJARAN ONLINE DI INDONESIA PADA MASA PANDEMI COVID-19 MENGGUNAKAN METODE NATURAL LANGUAGE PROCESSING

Abstract

Organisasi Kesehatan Dunia (WHO) melaporkan bahwa pada minggu kedua November 2020, lebih dari 52 juta orang dinyatakan positif COVID-19 dan 1,2 juta orang meninggal. Strategi untuk memerangi pandemi yang dibatasi secara sosial telah memaksa semua institusi pendidikan untuk melakukan pembelajaran online. Namun, pelaksanaan pembelajaran daring menjadi kontroversial dan menimbulkan berbagai reaksi di masyarakat karena proses adaptasi yang singkat. Tujuan dari penelitian ini adalah untuk menganalisis sentimen publik terhadap pembelajaran daring selama pandemi COVID-19 di Indonesia melalui pengembangan aplikasi berbasis website. Survei dilakukan dengan menggunakan teknik data mining berupa teks di Twitter selama periode April 2021 hingga Juni 2021 yang kemudian dianalisis menggunakan Metode Natural Language Processing (NLP) yang terdiri dari proses pengumpulan teks, preprocessing, dan analisis. Hasil penelitian menunjukkan bahwa sistem yang telah dibangun untuk melakukan analisis sentimen dapat berfungsi dengan baik sesuai dengan fitur pengujian yang diharapkan. Selanjutnya, hasil dari analisis sentimen menunjukkan bahwa tweet positif lebih dominan daripada tweet negatif dengan kata yang sering muncul adalah "belajar". Rata-rata hasil sentimen yang diperoleh berdasarkan data dari berbagai hasil pencarian dengan berbagai hashtag di Twitter menghasilkan 119 tweet (49%) dengan sentimen Positif, 118 tweet (48%) dengan sentimen Netral, dan 7 tweet (3%) dengan sentimen Negatif. Jadi ada lebih banyak tweet positif daripada tweet negatif karena orang puas dan terbiasa belajar online. Bagaimanapun, ia menawarkan aktivitas yang fleksibel.