Kartu Prakerja sebagai program peningkatan kualitas angkatan kerja menjadi salah satu program unggulan di tengah pandemi. Namun dalam pelaksanaanya, berbagai aspek, mulai dari jumlah anggaran, materi pelatihan, hingga tata laksananya justru mengundang polemik. Hal ini menegaskan perlunya evaluasi pelaksanaan program guna menganalisis aspek-aspek yang perlu diperbaiki. Sayangnya, evaluasi tersebut hingga saat ini baru dilakukan oleh lembaga negara, Komisi Pemberantasan Korupsi (KPK). Sementara evaluasi melalui penelitian belum banyak dilakukan. Kajian yang dilakukan melalui proses ini pun masih lebih banyak pada pendekatan secara hukum. Berkaitan dengan hal itu, penelitian ini dilakukan dengan pendekatan yang lebih luas melalui sentimen masyarakat, mengingat adanya keterlibatan peserta program memberikan andil besar dalam ekstraksi informasi yang lebih banyak sehingga hasil penelitian ini diharapkan dapat berkontribusi untuk memberikan evaluasi program Kartu Prakerja tersebut.
Evaluasi pelaksanaan program Kartu Prakerja dalam penelitian ini secara khusus didasarkan pada analisis sentimen menggunakan text mining. Media sosial menjadi salah satu sumber utama data sentimen tersebut, terlebih penggunaan media sosial saat ini turut mengalami peningkatan berkaitan dengan peningkatan aktivitas di dunia maya pasca diterapkannya kebijakan Pembatasan Sosial Berskala Besar (PSBB), sekaligus imbas pelaksanaan Work From Home (WFH) beberapa periode terakhir. Implementasi text mining dalam penelitianini dilakukan menggunakan metode Support Vector Machine (SVM) yang merupakan bagian dari supervised learning dan diterapkan untuk melakukan klasifikasi biner non probabilistik. Dalam implementasinya, klasifikasi non linear SVM lebih banyak diterapkan pada berbagai kasus. Hal ini menimbang fakta bahwa umumnya data dalam dunia nyata jarang yang bersifat linier. Untuk itu, SVM dimodifikasi dengan memasukkan fungsi kernel. Dari keempat jenis fungsi kernel pada SVM, yaitu kernel linier, kernel polinomial, Radial Basis Function (RBF) dan kernel sigmoid, diketahui bahwa RBF menjadi fungsi kernel terbaik dalam banyak kasus. Terkait hal itu, penelitian ini menggunakan 500 tweet periode Juli s.d. Oktober 2020 yang kemudian dibagi menjadi 80% data training dan 20% data testing dengan 5-fold cross validation.
Dari total 500 komentar yang mengandung opini tersebut, sebanyak 300 komentar merupakan sentimen negatif; sedangkan sisanya sebanyak 200 komentar merupakan sentimen positif. Banyaknya sentimen negatif tersebut menunjukkan bahwa terdapat beberapa aspek program yang perlu diperbaiki. Kemudian apabila diidentifikasi, komentar pada setiap klasifikasi sentimen tersebut memiliki sejumlah kata khusus yang sering muncul. Kata-kata khusus inilah yang nantinya digunakan dalam klasifikasi sentimen masyarakat terkait Program Kartu Prakerja. Baik sentimen positif, maupun sentimen negatif, keduanya memiliki kata-kata khusus yang berbeda satu sama lain.
Diketahui bahwa “latih” menjadi kata khusus dengan kemunculan tertinggi setelah kata “prakerja” dan “kartu”. Selain itu, beberapa kata seperti “bantu”, “banyak”, dan “manfaat” turut menjadi kata yang sering muncul dalam komentar masyarakat yang mengandung sentimen positif terkait Kartu Prakerja. Pada bagian lain, kata “latih” justru menjadi kata khusus dengan kemunculan paling tinggi setelah kata “prakerja”. Meski memiliki sejumlah kesamaan kata khusus dengan sentimen positif, masih terdapat beberapa kata yang justru banyak digunakan pada kategori sentimen negatif antara lain adalah “sulit”, “insentif”, dan “webinar”.
Hasil penelitian menunjukkan bahwa klasifikasi komentar masyarakat ke dalam sentimen positif atau negatif pada data testing memberikan rata-rata akurasi, sensitivitas, spesifisitas, prediksi sentimen negatif dan prediksi sentimen positif berturut-turut sebesar 85.20%; 91.68%; 75.75%; 85.03%; dan 86.04%. Merujuk pada nilai tersebut, SVM kernel RBF memberikan performa lebih baik dibanding SVM linier pada kasus ini. Hal ini dibuktikan dengan nilai hasil pengukuran performa klasifikasi yang lebih besar dengan nilai kesalahan klasifikasi yang lebih kecil. Dengan demikian, penelitian ini dapat menjadi referensi dalam upaya optimalisasi peran dan fungsi Kartu Prakerja sehingga manfaat yang diberikan benar-benar dapat dirasakan masyarakat menuju pemulihan sektor ekonomi nasional.
Penulis: Dr, Nur Chamidah, M,Si,
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
https://e-journal.unair.ac.id/JISEBI/article/view/26650/15935
Belindha Ayu Ardhani, Nur Chamidah, and Toha Saifudin, 2021.Sentiment Analysis Towards Kartu Prakerja Using Text Mining with Support Vector Machine and Radial Basis Function Kernel, Journal of Information System Engineering and Business Intelligence (JISEBI) Vol. 7, No. 2, October 2021, pp. 119-128 ISSN: ISSN 2443-2555, DOI: http://dx.doi.org/10.20473/jisebi.7.2.119-128
