Twitter merupakan platform media sosial yang digunakan banyak orang untuk mengekspresikan pikiran, minat dan pendapat terhadap banyak hal. Pendapat-pendapat tersebut tentunya memiliki nilai yang bervariasi, ada yang bernada positif, negatif, atau netral. Pandangan dan pendapat tersebut dapat dimanfaatkan sebagai sumber data untuk melakukan penilaian sentimen terhadap suatu topik pada Twitter. Saat ini dunia sedang dilanda pandemi Covid-19, suatu penyakit yang disebabkan dengan penyebaran virus dari manusia ke manusia sehingga pergerakan dan aktivitas manusia dibatasi, dengan tujuan untuk memutuskan rantai penyebaran virus Covid-19 diantara manusia. Pembatasan aktivitas manusia mempengaruhi semua aspek kehidupan masyarakat termasuk dalam hal pendidikan. Kegiatan belajar mengajar berubah dari offline menjadi pembelajaran online, dimana interaksi dilakukan melalui layar dengan memanfaatkan teknologi. Regulasi pembelajaran online yang ditetapkan pemerintah merupakan hal baru yang dirasakan mayoritas pelajar di Indonesia, sehingga memunculkan beraneka opini dan pandangan yang diungkapkan para pelajar (mahasiswa) melalui media sosial twitter. Pelajar khususnya mahasiswa membagikan komentar mereka pada media sosial twitter tentang keberlangsungan pembelajaran online selama pandemi. Oleh sebab itu peneliti ingin melakukan analisis sentimen untuk mengetahui kecenderungan komentar para pelajar terhadap regulasi baru dalam pembelajaran selama pandemi di Indonesia, apakah positif, negatif, atau netral. Dalam melakukan analisis sentimen untuk mengetahui tanggapan pengguna twitter terhadap pembelajaran online selama pandemi, peneliti menggunakan algoritma klasifikasi yang memiliki tingkat akurasi tinggi, penulis akan membandingakan 3 algoritma klasifikasi yaitu, algoritma klasifikasi Naïve Bayes, K-Nearest Neighbor (K-NN) dan C4.5. Adapun tahapan yang dilakukan pada penelitian ini adalah dengan cara prepocessing data, processing data, klasifikasi, dan evaluasi. Model yang dihasilkan akan diuji dan dievaluasi dengan melihat nilai akurasi, presisi, recall, dan F1-Measure. Setelah membandingkan ketiga algoritma tersebut didapatkan akurasi tertinggi yaitu 60.80% menggunakan algoritma klasifikasi K-Nearest Neighbor (K-NN). Hasil akurasi yang didapat menggunakan ekstrasi fitur TF-IDF sebesar 60.80%, presisi (specificity) 40.73%,
ii
recall (sensitifity) 72%, dan F1-Measure 38.43%. Analisis sentimen yang didapat pada penelitian ini menunjukan bahwa pengguna twitter di Indonesia lebih banyak memberikan komentar netral.
Kata Kunci: Twitter, Covid-19, Pembelajaran Online, Analisis Sentimen, Klasifikasi.