PENERAPAN ALGORITMA KLASIFIKASI NAÏVE BAYES UNTUK ANALISIS SENTIMEN TENTANG PEMINDAHAN IBU KOTA NEGARA

Abdul Halim Hasugian, Raissa Amanda Putri, Mulya Alfan Simatupang

Abstract


Abstract: The decision of the Government of the Republic of Indonesia regarding the relocation of the territory of the Indonesian state capital to the Nusantara Capital in North Penajam Pasir, East Kalimantan is certainly an interesting discussion. This is a new record in Indonesian history because it has never happened before, becoming one of the big news stories that has generated a lot of opinions or reactions from the public. Twitter is one of the social media that people use to express opinions. Various kinds of opinions, both positive and negatif, are expressed by Indonesian people through their Twitter social media accounts. The data was obtained by crawling techniques from social media Twitter with the keywords "ibu kota nusantara" and "ikn" with the amount of data used as many as 606 tweets. The data is then labeled (class) using the lexicon-based method but first translated into English so that it is detected by the lexicon dictionary. From the labeling results, there were 400 tweets (66%)  with positive labels and 206 tweets (34%) with negatif labels. The data preprocessing stage is carried out in preparation for the data to be processed for sentimen analysis. Of the many opinions obtained, an analysis of public opinion sentimen about the relocation of the national capital will be carried out using the Naïve Bayes classification algorithm. This study also applied the TF-IDF word weighting method with the n-gram feature used, namely bigram (n=2). The system will be evaluated using a confusion matrix. The performance of the system built in this study can be said to be good.

 

Keywords: relocation of national capitals; sentiment analysis; naïve bayes classifier.

 

Abstrak: Keputusan Pemerintah Republik Indonesia tentang pemindahan wilayah ibu kota negara Indonesia menjadi Ibu Kota Nusantara di Penajam Pasir Utara, Kalimantan Timur tentu menjadi pembahasan yang menarik. Ini merupakan catatan baru dalam sejarah Indonesia karena belum pernah terjadi sebelumnya, menjadi salah satu berita besar yang menimbulkan banyak opini atau reaksi dari masyarakat. Twitter merupakan salah satu media sosial yang digunakan masyarakat untuk mengungkapkan opini. Berbagai macam opini antara positif dan negatif diutarakan masyarakat Indonesia melalui akun media sosial Twitternya. Data diperoleh dengan teknik crawling dari media social Twitter dengan kata kunci “ibu kota nusantara” dan “ikn” dengan jumlah data yang digunakan sebanyak 606 tweet. Data kemudian diberi label (kelas) dengan metode lexicon¬-based tetapi terlebih dahulu menerjemahkannya kedalam Bahasa Inggris agar terdeteksi oleh kamus leksikon. Dari hasil pelabelan diperoleh data berlabel positif sebanyak 400 tweet (66%) dan negatif sebanyak 206 tweet (34%) . Tahap preprocessing data dilakukan sebagai persiapan untuk data agar bisa diproses untuk analisis sentimen. Dari sekian banyak opini yang diperoleh, maka akan dilakukan analisis sentimen opini masyarakat tentang pemindahan ibu kota negara dengan menggunakan algoritma klasifikasi Naïve Bayes. Pada penelitian ini juga diterapkan metode pembobotan kata TF-IDF dengan fitur n-gram yang digunakan yaitu bigram (n=2). Sistem akan dievaluasi dengan menggunakan confusion matrix. Kinerja dari sistem yang dibangun pada penelitian ini dapat dikatakan baik.

 

Kata kunci: pemindahan ibu kota negara; analisis sentimen; naïve bayes classifier.


Full Text:

PDF PDF

References


Findawati, Y., & Rosid, M. A. (2020). Buku Ajar Text Mining (R. Dijaya (ed.); 1st ed.). Umsida Press. https://doi.org/10.21070/2020/978-623-6833-19-3

Furqan, M., Sriani, S., & Sari, S. M. (2022). Analisis Sentimen Menggunakan K-Nearest Neighbor Terhadap New Normal Masa Covid-19 Di Indonesia. Techno.Com, 21(1), 52–61. https://doi.org/10.33633/tc.v21i1.5446

Gunawan, B., Pratiwi, H. S., & Pratama, E. E. (2018). Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes. JEPIN (Jurnal Edukasi Dan Penelitian Informatika), 4(2), 17–29.

Hanifah, R., & Nurhasanah, I. S. (2018). Implementasi Web Crawling untuk Mengumpulkan Informasi Wisata Kuliner di Bandar Lampung. Jurnal Teknologi Informasi Dan Ilmu Komputer, 5(5), 531–535. https://doi.org/10.25126/jtiik.201855842

Idris, I. S. K., Mustofa, Y. A., & Salihi, I. A. (2023). Analisis Sentimen Terhadap Penggunaan Aplikasi Shopee Mengunakan Algoritma Support Vector Machine (SVM). Jambura Journal of Electrical and Electronics Engineering, 5(1), 32–35. https://doi.org/10.37905/jjeee.v5i1.16830

Lamba, M., & Madhusudhan, M. (2022). Sentiment Analysis. In Text Mining for Information Professionals (1st ed., pp. 191–211). Springer International Publishing. https://doi.org/10.1007/978-3-030-85085-2_7

Mustafa, P. S., Gusdiyanto, H., Victoria, A., Masgumelar, N. K., Lestariningsih, N. D., Maslacha, H., Ardiyanto, D., Hutama, H. A., Boru, M. J., Fachrozi, I., Rodriquez, E. I. S., Prasetyo, T. B., & Romadhana, S. (2020). Metodologi Penelitian Kuantitatif, Kualitatif, Dan Penelitian Tindakan Kelas Dalam Pendidikan Olahraga. Fakultas Ilmu Keolahragaan Universitas Negeri Malang.

Mustaqlilah, R., Widyaningtyas, O., & Wantoro, T. (2023). Efektivitas Penggunaan Twitter Sebagai Sarana Peningkatan Berpikir Kritis Mahasiswa Ilmu Komunikasi. MUKASI : Jurnal Ilmu Komunikasi, 2(1), 18–28. https://doi.org/10.54259/mukasi.v2i1.1346

Prakoso, B. S., & Sutanto, G. D. (2019). Penerapan Metode Decision Tree Dan Naïve Bayes Untuk. Jurnal IKRA-ITH Informatika, 3(2), 27–32.

Purnama, S. J., & Chotib. (2022). Analisis Kebijakan Publik Pemindahan Ibu Kota Negara. Jurnal Ekonomi Dan Kebijakan Publik, 13(1), 57–70. https://doi.org/10.22212/jekp.v13i1.2155

Retta, A. M., Isroqmi, A., & Nopriyanti, T. D. (2019). Pengaruh Penerapan Algortima Pembelajaran Pemrograman Komputer. Jurnal Inovasi Pendidikan Matematika, 2(2), 126–135.

Rezeki, S. R. I., Restiviani, Y., & Zahara, R. (2020). Penggunaan sosial media twitter dalam komunikasi organisasi (studi kasus pemerintah provinsi dki jakarta dalam penanganan covid-19). Journal of Islamic and Law Studies, 04(02), 63–78.

Rizaldi, M. R., Adiwijaya, A., & Al Faraby, S. (2020). Klasifikasi Argument Pada Teks dengan Menggunakan Metode Multinomial Logistic Regression Terhadap Kasus Pemindahan Ibu Kota Indonesia di Twitter. Jurnal Media Informatika Budidarma, 4(4), 904–913. https://doi.org/10.30865/mib.v4i4.2348

Sakariana, M. I. D., Indriati, & Dewi, C. (2020). Analisis Sentimen Pemindahan Ibu Kota Indonesia Dengan Pembobotan Term BM25 Dan Klasifikasi Neighbor Weighted K-Nearest Neighbor. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 4(3), 748–755.

Sunesti, Y., & Putri, A. K. (2022). Narasi Ibukota Negara Baru Di Twitter: Dari Isu Kearifan Lokal Hingga Isu Anak Muda. Konferensi Nasional Sosiologi IX APSSI 2022 Balikpapan, 1–3.




DOI: https://doi.org/10.54314/jssr.v7i2.1815

Article Metrics

Abstract view : 164 times
PDF - 80 times PDF - 42 times