Analisis Sentimen Mahasiswa terhadap Pertukaran Mahasiswa Merdeka dengan Algoritma Support Vector Machine dan Naïve Bayes

Abstract

Program Pertukaran Mahasiswa Merdeka (PMM) merupakan salah satu kebijakan pendidikan yang bertujuan memperluas wawasan, meningkatkan pengalaman akademik, serta mendorong interaksi lintas program studi. Namun, evaluasi pelaksanaannya masih cenderung deskriptif tanpa analisis berbasis data tekstual dari opini mahasiswa. Penelitian ini bertujuan untuk menganalisis sentimen mahasiswa terhadap pelaksanaan PMM lintas prodi di Institut Prima Bangsa serta membandingkan kinerja algoritma Support Vector Machine (SVM) dan Naïve Bayes dalam klasifikasi sentimen. Data diperoleh melalui kuesioner esai terbuka yang disebarkan secara daring kepada 101 mahasiswa dari lima program studi yang telah mengikuti PMM. Seluruh data melalui tahapan preprocessing teks, pelabelan manual, pembagian data latih dan uji, serta penyeimbangan kelas dengan Synthetic Minority Oversampling Technique (SMOTE). Hasil penelitian menunjukkan bahwa mayoritas opini mahasiswa bernuansa positif, meskipun terdapat sebagian opini negatif yang menyoroti ketidaksesuaian mata kuliah lintas prodi dengan bidang studi asal. Dari sisi performa algoritma, Naïve Bayes memperoleh akurasi lebih tinggi sebesar 95%, sedangkan SVM mencapai akurasi 90%. Kesimpulannya, mayoritas mahasiswa memberikan penilaian positif terhadap PMM lintas prodi, dan Naïve Bayes lebih efektif digunakan dalam klasifikasi opini mahasiswa pada konteks penelitian ini.