Kartu indonesia pintar merupakan upaya pemerintah membantu para siswa berprestasi yang memiliki keterbatasan ekonomi untuk melanjutkan studi ke perguruan tinggi. Pentingnya mengetahui opini Masyarakat atas pemerataan serta kepuasan terhadap kartu indonesia pintar kuliah merupakan upaya untuk meningkatkan kepercayaan masyarakat terhadap penerima beasiswa kartu indonesia pintar kuliah. Metode yang digunakan menganalisis pendapat masyarakat pada media sosial twitter adalah Support Vector Machine SVM ). Term Frequency-inverce document Frequency TF-IDF digunakan untuk mengekstraksi kata dari dari suatu data . Evaluasi kinerja klasifikasi SVM menggunakan metode Confusion Matrix. Kernel linear merupakan kernel yang di gunakan pada analisis data. Hasil evaluasi yang di dapat yaitu 81,82%, precession 80%, recall 82%, dan F1-score 78%, dapat disimpulkan bahwa sentimen masyarakat pada media sosial Twitter terhadap penerima beasiswa kartu indonesia pintar kuliah lebih condong terhadap sentimen netral.


Deskripsi Lain

The smart indonesia card is a government effort to help outstanding students who have economic limitations to continue their studies to college. The importance of knowing public opinion on equity and satisfaction with the smart Indonesian college card is an effort to increase public trust in the smart Indonesian college card scholarship recipients. The method used to analyze public opinion on twitter social media is Support Vector Machine (SVM). Term Frequency-inverce document Frequency (TF-IDF) is used to extract words from data. Evaluation of SVM classification performance using the Confusion Matrix method. Linear kernel is the kernel used in data analysis. The evaluation results obtained are 81.82%, precession 80%, recall 82%, and F1-score 78%, it can be concluded that public sentiment on Twitter social media towards the recipient of the smart Indonesian college card scholarship is more inclined towards neutral sentiment.

• Sistem Analisis Sentimen Produk Telkomsel dari Opini Twitter Berbahsa Indonesia Menggunakan Metode Naive Bayes Classifier
• Pengaruh Penggunaan Preprocessing Pada Tingkat Similaritas Dokumen Menggunakan Algoritma Rabin-Karp (Studi Kasus : Abstrak Karya Ilmiah)
• ANALISIS SENTIMEN UNTUK MENGETAHUI RESPON PUBLIK MENGENAI KEBIJAKAN PEMERINTAH PADA TWITTER MENGGUNAKAN METODE NAIVE BAYES (STUDI KASUS: Rancangan Hukuman Kebiri Bagi Pedofil)
• Analisis Sentimen dari Media Sosial Menggunakan Metode Information Gain dan Naive Bayes
• Analisis Sentimen Pada Media Sosial Twitter Terhadap Kebijakan Pemindahan Ibukota Negara Berbasis Model Probabilitas