Penerapan Algoritma Naïve Bayes untuk Analisis Pandangan Masyarakat terhadap Pemindahan Ibu Kota Indonesia

Penulis

  • Painem Painem Universitas Budi Luhur
  • Aditya Izhar Eka Prayogo Universitas Budi Luhur

DOI:

https://doi.org/10.52958/iftk.v18i3.5050

Kata Kunci:

Analisis Sentimen, Twitter, Klasifikasi, Naïve Bayes

Abstrak

Pemerintah sudah lama mengumumkan rencana untuk memindahkan ibu kota negara, tetapi masih terdapat kontroversi di antara masyarakat yang setuju dan tidak setuju dengan rencana tersebut. Masyarakat memiliki alasan dan pandangan yang berbeda-beda tentang rencana ini. Untuk mendapatkan gambaran umum tentang respon masyarakat terhadap rencana pemindahan ibu kota, perlu melihat berbagai reaksi yang berbeda. Dengan era teknologi yang sangat canggih seperti sekarang ini, membuat penilaian sentimen publik terhadap berbagai isu menjadi mudah dan cepat. Hal ini disebabkan oleh maraknya penggunaan media sosial oleh masyarakat. Media sosial saat ini dapat digunakan sebagai media hiburan, tetapi juga sebagai media untuk menyatakan pendapat dan pandangan tentang berbagai topik. Begitu juga dengan topik pemindahan ibu kota negara, dimana masyarakat banyak mengekspresikan reaksinya melalui berbagai media, termasuk media sosial seperti Twitter. Twitter adalah salah satu media sosial yang banyak digunakan oleh masyarakat Indonesia untuk menyatakan pendapatnya. Pendapat tentang pemindahan ibu kota yang diperoleh dari Twitter perlu dianalisis. Pada penelitian ini, metode analisis sentimen yang digunakan untuk menganalisa topik pemindahan ibu kota dari media sosial twitter adalah metode Naive Bayes Classifier (NBC).  Hasil analisis berdasarkan 1.272 tweet menunjukan bahwa sentimen positif sebesar 86.95 % dan sentimen negatif sebesar 13.05 % pada periode 10 May 2022 hingga 1 Juni 2022, sementara hasil pengujian yang diperoleh adalah nilai akurasi sebesar 93 %, presisi sebesar 87 % dan recall sebesar 100 %.

Biografi Penulis

Painem Painem, Universitas Budi Luhur

Sistem Informasi, Universitas Budi Luhur

Referensi

A. M. Hidayat, dan M. Syafrullah, “Algoritma Naïve Bayes dalam Analisis Sentimen untuk Klasifikasi Pada Layanan Internet PT. XYZ,” Jurnal Telematika MKOM, vol. 9, no. 2, hal. 91–95, 2017.

Bappenas, Dampak Ekonomi dan Skema Pembiayaan Pemindahan Ibu Kota Negara, 2019.

F. E. Purwiantono, dan A. Aditya, “Klasifikasi Sentimen Sara, Hoaks dan Radikal pada Postingan Media Sosial Menggunakan Algoritma Naive Bayes Multinomial Text,” Jurnal Teknokompak, vol. 14, no. 2, hal. 68–73, 2020.

Yuyun, N. Hidayah, and S. Sahibu, “Algoritma Multinomial Naïve Bayes Untuk Klasifikasi Sentimen Pemerintah Terhadap Penanganan Covid-19 Menggunakan Data Twitter,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 2021.

S. Afrizal, “Implementasi Metode Naïve Bayes untuk Analisis Sentimen Warga Jakarta Terhadap Kehadiran Mass Rapid Transit,” JURNAL INFORMATIK, 2019.

Afrizal, S., Irmanda, H.N. and Falih, N, “Implementasi Metode Naïve Bayes untuk Analisis Sentimen Warga Jakarta Terhadap Kehadiran Mass Rapid Transit,” hal. 157–168, 2019.

P. Antinasari, R. S. Perdana, dan M. A. Fauzi, “Analisis Sentimen Tentang Opini Film Pada Dokumen Twitter Berbahasa Indonesia Menggunakan Naive Bayes Dengan Perbaikan Kata Tidak Baku”, hal. 1733–1741, 2017.

P. Arsi dan R. Waluyo, “Analisis Sentimen Wacana Pemindahan Ibu Kota Indonesia Menggunakan Algoritma Support Vector Machine (SVM),” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), hal. 147–156, 2021.

A. R. Isnain, N. S. Marga, dan D. Alita, “Sentiment Analysis of Government Policy On Corona Case Using Naive Bayes Algorithm,” IJCCS (Indonesian Journal of Computing and Cybernetics Systems), hal. 55, 2021.

M. Priandi dan Painem, “Analisis Sentimen Masyarakat Terhadap Pembelajaran Daring di Era Pandemi Covid-19 pada Media Sosial Twitter Menggunakan Ekstraksi Fitur Countvectorizer dan Algoritma K-Nearest Neighbor,” dalam Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA) Jakarta-Indonesia, 2021.

A. V. Sudiantoro, dan E. Zuliarso, “Analisis Sentimen Twitter Menggunakan Text Mining Dengan Algoritma Naïve Bayes Classifier”, hal. 69–73, 2018.

Unduhan

File Tambahan

Diterbitkan

2022-12-28

Terbitan

Vol 18 No 3 (2022): Desember 2022

Bagian

Article

Lisensi

KEBIJAKAN YANG DIAJUKAN UNTUK JURNAL YANG MENAWARKAN AKSES TERBUKA

Syarat yang harus dipenuhi oleh Penulis sebagai berikut:

  1. Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Commons Attribution License yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
  2. Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
  3. Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).