PERBANDINGAN ALGORITMA NAÏVE BAYES DAN KNN DALAM ANALISIS SENTIMEN MASYARAKAT TERHADAP PELAKSANAAN PPPK GURU

Hingga saat ini penyelenggaraan pendidikan di Indonesia tidak lepas dari kerumitan tata kelolapendidik, salah satunya guru honorer, dan reformasi birokrasi yang cukup berdampak pada kualitaspendidikan dan iklim kerja di dalamnya. Sebagai salah satu cara untuk meningkatkan kepuasanpelayanan publik melalui aparatur sipil negara (ASN), Kementerian pendidikan dan kebudayaanindonesia bersepakat dengan Kementerian Pendayagunaan Aparatur Negara dan Reformasi Birokrasidan Kementerian Keuangan untuk merubah sistem rekrutmen atau pengangkatan guru-guru pegawaipemerintah dari penerimaan calon Pegawai Negeri Sipil (CPNS) menjadi pegawai pemerintah denganPerjanjian Kerja (PPPK) yang dalam pelaksanaannya masih terdapat kendala dan pro kontra, ada yangsetuju dan ada yang tidak setuju. maka dari itu peneliti melakukan penelitian tentang sentiment analisispada data mining pada pelaksanaan PPPK guru di media sosial Twitter sebanyak 871data yangkemudian diolah menjadi 519 data. penulis menggunakan teknik Naïve Bayes, dan KNN untukmengetahui efek prediksi algoritma Naïve Bayes dan KNN terhadap opini publik pada implementasiinstruktur PPPK serta membandingkan tingkat akurasi dari 2 metode tersebut. Peneliti menggunakanperalatan RapidMiner versi sembilan.10.1. Hasil prediksi Naïve Bayes adalah 328 statistik dengansentimen positif atau setuju dan 191 informasi dengan sentiment negative , dan yang terakhir adalahhasil prediksi dari KNN yaitu 315 informasi dengan sentimen postif dan 204 fakta dengan sentimennegatif. analisis sentimen masyarakat terhadap implementasi teacher first resource di media sosialTwitter dengan algoritma Naïve Bayes mencapai akurasi sebesar 75,53%. Dan pada KNN mencapaiakurasi 73,41%. Pada penelitian ini dapat diketahui bahwa metode Naïve Bayes merupakan teknikdengan tingkat akurasi yang lebih tinggi dari KNN tersebut dengan tingkat akurasi sebesar 75,53%.