ANALISIS SENTIMEN PENGGUNA INSTAGRAM TERHADAP STATEMENT MENTERI KEUANGAN TENTANG "KEBIJAKAN GAJI GURU DAN DOSEN" MENGGUNAKAN NAIVE BAYES
DOI:
https://doi.org/10.54314/jssr.v8i4.4385Abstract
Abstract:Â The Minister of Finance's statement regarding the teacher and lecturer salary policy sparked mixed public reactions, particularly on social media. This study aims to analyze the sentiment of the Indonesian public, particularly Instagram users, regarding this statement using the Nae Bayes algorithm. Data was collected through scraping using Instant Data Scrapper in August 2025, totaling 939 data points. Preprocessing steps included cleansing, tokenizing, stopword removal, and stemming. The data were then classified into two sentiment categories: positive and negative. The results showed that the majority of Instagram user sentiment tended to be negative (859 data points, representing 91.5%), while positive sentiment accounted for 89 data points, representing 9.5%. The Nae Bayes model achieved an accuracy of 0.87 in classifying public opinion. These findings indicate that the Nae Bayes algorithm is effective in analyzing public opinion on sensitive issues on social media. Furthermore, the results of this study can serve as a reference for the government and policymakers in understanding public perception and formulating more appropriate communication strategies related to education policy.
Â
Keyword:Â Sentiment Analysis, Nae Bayes, Minister of Finance, Instagram, Text Analysis.
Â
Abstrak:Â Pernyataan Menteri Keuangan tentang kebijakan gaji guru dan dosen memicu beragam reaksi publik, khususnya di media sosial. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat Indonesia, terutama pengguna Instagram, terhadap pernyataan tersebut dengan menggunakan algoritma Nae Bayes. Data dikumpulkan melalui proses scraping menggunakan Instant Data Scrapper pada Agustus 2025 dengan jumlah 939 data. Kemudian dilakukan tahap praproses meliputi cleansing, tokenizing, stopword removal, dan stemming. Selanjutnya, data diklasifikasikan ke dalam dua kategori sentimen, yaitu positif dan negatif. Hasil penelitian menunjukkan bahwa mayoritas sentimen pengguna Instagram cenderung Negatif (859 data dengan persentase 91,5%), sedangkan sentimen positif berjumlah 89 data dengan persentase 9,5%. Model Nae Bayes mencapai tingkat akurasi sebesar 0,87 dalam mengklasifikasikan opini publik. Temuan ini mengindikasikan bahwa algoritma Nae Bayes efektif dalam menganalisis opini publik pada isu sensitif di media sosial. Selain itu, hasil penelitian ini dapat menjadi acuan bagi pemerintah dan pemangku kebijakan dalam memahami persepsi publik serta merumuskan strategi komunikasi yang lebih tepat terkait kebijakan pendidikan.
Â
Kata kunci:Â Sentimen Analisis, Nae Bayes, Menteri Keuangan, Instagram, Analisis Teks.
Downloads
References
R. N. Fahmi, N. and A. Primajaya. (2021) "PENEMBAKAN LASKAR FPI OLEH POLRI DENGAN METODE NAIVE BAYES CLASSIFIER," JIKO (Jurnal Informatika dan Komputer), vol. 5, https://ejournal.akakom.ac.id/index.php/jiko/article/view/437, p. 2,
P. Arsi, B. A. Kusuma and A. Nurhakim. (2021) "Analisis Sentimen Pindah Ibu Kota Berbasis Naive Bayes Classifier," JURNAL INFORMATIKA UPGRIS, vol. 7 no.1, https://journal.upgris.ac.id/index.php/JIU/article/view/7636/4304.
W. Yulita, E. D. Nugroho and M. H. Algifari. (2021) "Analisis Sentimen Terhadap Opini Masyarakat Tentang
Vaksin Covid-19 Menggunakan Algoritma Nave Bayes Classifier," JDMSI, Vols. 2, No. 2,https://ejurnal.teknokrat.ac.id/index.php/JDMSI/article/view/1344/672, pp. 1-9, 2021.
A. Safira and F. N. Hasan. (2023) "ANALISIS SENTIMEN MASYARAKAT TERHADAP PAYLATER MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER," Jurnal Sistem Informasi, Vols. 5, No.1, https://journal.unilak.ac.id/index.php/zn/article/view/12856, pp. 59-70.
S. Puad, G. and A. S. Y. Irawan. (2023) "ANALISIS SENTIMEN MASYARAKAT PADA TWITTER TERHADAP PEMILIHAN UMUM 2024 MENGGUNAKAN ALGORITMA NAVE BAYES," Jurnal Mahasiswa Teknik Informatika, Vols. 7, No.3, https://ejournal.itn.ac.id/index.php/jati/article/view/6920, Juni 2023.
M. W. A. Putra, S. E. and H. (2020) "Analisis Sentimen Dompet Elektronik Pada Media Sosial Twitter Menggunakan Nave Bayes Classifier," IT Journal Research and Development (ITJRD), Vols. 5, No.1, 10.25299/itjrd.2020.vol5(1).5159, p. 72 86, Agustus 2020.
R. W. Utami, A. Jazuli and T. Khotimah. (2021) "ANALISIS SENTIMEN TERHADAP XIAOMI INDONESIA MENGGUNAKAN METODE NAVE BAYES," Indonesian Journal of Technology, Informatics and Science (IJTIS), Vols. 3, No. 1, 10.24176/ijtis.v3i1.7514, pp. 21-30, Desember 2021.
W. Yulita. (2021) "Analisis Sentimen Terhadap Opini Masyarakat Tentang Vaksin Covid-19 Menggunakan Algoritma Nave Bayes," Jurnal Data Mining dan Sistem Informasi,
vol. 2(2), pp. 1-9.
F. Fatayat and R. Nugroho. (2021) "Analisa Penentuan Dosen Pembimbing Tugas Akhir Mahasiswa Menggunakan Naive Bayes Classifier," Simtika, vol. 4(3), pp. 1-7.
A. Baita, Y. Pristyanto and N. Cahyono. (2021) "Analisis Sentimen Mengenai Vaksin Sinovac Menggunakan Algoritma Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN)," Information System Journal, vol. 4(2), pp. 42-46.
K. D. Indarwati and H. Februariyanti. (2023) "ANALISIS SENTIMEN TERHADAP KUALITAS PELAYANAN APLIKASI GO-JEK MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER," JATISI, vol. 1, no. https://doi.org/10.35957/jatisi.v10i1.2643, p. 1.
F. Fitriyadi dan Arsaela Astikasari. (2024) Analisis Sentimen Masyarakat Terhadap Kebijakan Kenaikan Umk 6,5% Menggunakan Metode Naive Bayes RESTIA, Vol. 3 No. 1 , Hal 26-35.
Kompas. (2023). Pernyataan Menteri Keuangan soal gaji guru dan dosen menuai pro-kontra. Kompas.com. https://www.kompas.com
Nasrullah, R. (2017). Media sosial: Perspektif komunikasi, budaya, dan sosioteknologi. Simbiosa Rekatama Media.
