11.jpg){kind=logo}
Analisis Sentimen Masyarakat pada Platform Media Sosial X (Twitter) terhadap Pelantikan Kabinet Merah Putih Menggunakan Bernoulli Naïve Bayes
Abstract
Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap pelantikan Kabinet Merah Putih melalui platform media sosial X (sebelumnya Twitter) menggunakan algoritma Bernoulli Naive Bayes. Data sebanyak 1.000 tweet dikumpulkan dan diproses melalui tahapan preprocessing, tokenisasi, penghapusan stopwords, stemming, serta pembobotan menggunakan TF-IDF. Selanjutnya, data diklasifikasikan ke dalam sentimen positif dan negatif. Model dilatih dengan 700 data dan diuji dengan 300 data. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 78%, dengan precision untuk kelas positif sebesar 0.775 dan recall sebesar 0.677, sedangkan precision dan recall untuk kelas negatif masing-masing sebesar 0.783 dan 0.856. Temuan ini menunjukkan bahwa Bernoulli Naive Bayes efektif dalam mengidentifikasi sentimen masyarakat secara umum, terutama pada sentimen negatif. Penelitian ini memberikan gambaran persepsi publik terhadap pelantikan kabinet serta menjadi dasar untuk pengambilan keputusan kebijakan komunikasi pemerintah yang lebih baik.
Keywords
Full Text:
PDFReferences
Akbar, L. A., Haerani, E., Syafria, F., Nazir, A., & Budianita, E. (2024). Klasifikasi sentimen persepsi masyarakat di Instagram terhadap paslon Pilpres 2024 menggunakan Naïve Bayes Classifier (NBC). Jurnal Ilmiah, 8(1), 102–112.
Azahari, A., Yulindawati, Y., Rosita, D., & Mallala, S. (2020). Komparasi data mining Naïve Bayes dan Neural Network memprediksi masa studi mahasiswa S1. Jurnal Teknologi Informasi dan Ilmu Komputer, 7(3), 443. https://doi.org/10.25126/jtiik.2020732093
Azizah, H., Rintyarna, B. S., & Cahyanto, T. A. (2022). Sentimen analisis untuk mengukur kepercayaan masyarakat terhadap pengadaan vaksin Covid-19 berbasis Bernoulli Naïve Bayes. BIOS Journal Teknologi Informasi dan Rekayasa Komputer, 3(1), 23–29. https://doi.org/10.37148/bios.v3i1.36
Darwis, D., Siskawati, N., & Abidin, Z. (2021). Penerapan algoritma Naïve Bayes untuk analisis sentimen review data Twitter BMKG Nasional. Jurnal Tekno Kompak, 15(1), 131. https://doi.org/10.33365/jtk.v15i1.744
Dhery, H., Assyam, A., & Hasan, F. N. (2023). Analisis sentimen Twitter terhadap perpindahan ibu kota negara ke IKN Nusantara menggunakan Orange Data Mining. KLIK: Kajian Ilmiah Informasi dan Komputer, 4(1), 341–349. https://doi.org/10.30865/klik.v4i1.957
Fikri, M. I., Sabrila, T. S., & Azhar, Y. (2020). Comparison of Naïve Bayes and Support Vector Machine methods in Twitter sentiment analysis. Smatika Journal, 10(2), 71–76.
Halimah, H., Linda, D., & Klaralia, F. (2020). Penerapan algoritma Naïve Bayes untuk memprediksi penyakit malaria pada Puskesmas Hanura. Teknika, 14(x), 57–63.
Hasri, C. F., & Alita, D. (2022). Penerapan metode Naïve Bayes Classifier dan Support Vector Machine pada analisis sentimen terhadap dampak virus Corona di Twitter. Jurnal Informatika dan Rekayasa Perangkat Lunak, 3(2), 145–160. https://doi.org/10.33365/jatika.v3i2.2026
Kusuma Wardani, S., & Arum Sari, Y. (2021). Analisis Sentimen menggunakan Metode Naïve Bayes Classifier terhadap Review Produk Perawatan Kulit Wajah menggunakan Seleksi Fitur N-gram dan Document Frequency Thresholding. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 5(12), 5582–5590. http://j-ptiik.ub.ac.id
Normawati, D., & Prayogi, S. A. (2021). Implementasi Naïve Bayes Classifier dan Confusion matrix pada analisis sentimen berbasis teks pada Twitter. Jurnal Sains Komputer dan Informatika (J-SAKTI, 5(2), 697–711.
Nur, M. (2022). Data mining untuk memprediksi kelulusan mahasiswa jurusan Teknik Informatika UIN Syarif Hidayatullah Jakarta menggunakan metode klasifikasi C4.5. Repository UIN Jakarta. https://repository.uinjkt.ac.id
Pratama, F. D., Zufria, I., & Triase, T. (2022). Implementasi Data Mining Menggunakan Algoritma Naïve Bayes Untuk Klasifikasi Penerima Program Indonesia Pintar. Rabit: Jurnal Teknologi Dan Sistem Informasi Univrab, 7(1), 77–84. https://doi.org/10.36341/rabit.v7i1.2217
Putra, Y. E., & Fahrizal, M. (2021). Rancang bangun menggunakan metode Naïve Bayes dalam sistem pakar penentuan penyakit tanaman nanas berbasis web. Portal Data.
Putri, D. F. A., Masjkur, M., & Indahwati, I. (2023). Penerapan Bernoulli Naïve Bayes untuk analisis sentimen pengguna Twitter terhadap layanan online food delivery di Indonesia. Xplore Journal of Statistics, 12(1), 50–62. https://doi.org/10.29244/xplore.v12i1.1110
Rayuwati, Gemasih, H., & Nizar, I. (2022). Implementasi algoritma Naïve Bayes untuk memprediksi tingkat penyebaran Covid-19. Jurnal Riset Rumpun Ilmu Teknik, 1(1), 38–46. https://doi.org/10.55606/jurritek.v1i1.127
Rozaq, A., Yunitasari, Y., Sussolaikah, K., Sari, E. R. N., & Syahputra, R. I. (2022). Analisis sentimen terhadap implementasi program Merdeka Belajar Kampus Merdeka menggunakan Naïve Bayes, K-Nearest Neighbors, dan Decision Tree. Jurnal Media Informasi Budidarma, 6(2), 746.
https://doi.org/10.30865/mib.v6i2.3554
Saraswati, M., & Riminarsih, D. (2020). Analisis sentimen terhadap pelayanan KRL Commuterline berdasarkan data Twitter menggunakan algoritma Bernoulli Naïve Bayes. Jurnal Ilmiah Informatika dan Komputer, 25(3), 225–238. https://doi.org/10.35760/ik.2020.v25i3.3256
Sari, F. V., & Wibowo, A. (2019). Analisis sentimen pelanggan toko online JD.ID menggunakan metode Naïve Bayes Classifier berbasis konversi ikon emosi. Jurnal SIMETRIS, 10(2), 681–686.
Sartika, D., & Sensuse, D. I. (2017). Perbandingan algoritma klasifikasi Naïve Bayes, Nearest Neighbor, dan Decision Tree pada studi kasus pengambilan keputusan pemilihan pola pakaian. Semanticscholar.
https://api.semanticscholar.org/CorpusID:57303334
Setiawan, H., & Zufria, I. (2023). Analisis Sentimen Pembatalan Indonesia Sebagai Tuan Rumah Piala Dunia FIFA U-20 Menggunakan Naïve Bayes. Jurnal Media Informatika Budidarma, 7(3), 1003.
https://doi.org/10.30865/mib.v7i3.6144
Shen, H., Jin, H., Cabrera, Á. A., Perer, A., Zhu, H., & Hong, J. I. (2020). Designing Alternative Representations of Confusion Matrices to Support Non-Expert Public Understanding of Algorithm Performance. Proceedings of the ACM on Human-Computer Interaction, 4(CSCW2), 1–22.
https://doi.org/10.1145/3415224
Verawati, & Liksha, P. D. (2018). Aplikasi akuntansi pengolahan data jasa service pada PT. Budi Berlian Motor Lampung. Jurnal Sistem Informasi Akuntansi, 1(1), 1–14.
Wardani, N. S., Prahutama, A., & Kartikasari, P. (2020). Analisis sentimen pemindahan ibu kota negara dengan klasifikasi Naïve Bayes untuk model Bernoulli dan Multinomial. Jurnal Gaussian, 9(3), 237–246. https://doi.org/10.14710/j.gauss.v9i3.27963
DOI: https://doi.org/10.46576/device.v6i1.6360
Article Metrics
Abstract view : 4 timesPDF – 1 times
Refbacks
- There are currently no refbacks.
Copyright (c) 2025 Riski Andika
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY
Terindeks pada:
Member Of :
DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY
Published by :FAKULTAS TEKNIK DAN ILMU KOMPUTER
PROGRAM STUDI SISTEM INFORMASI
UNIVERSITAS DHARMAWANGSA
Alamat : Jl. K. L. Yos Sudarso No. 224 Medan
Kontak : Tel. 061 6635682 - 6613783 Fax. 061 6615190
E-mail : admin_device@dharmawangsa.ac.id
Device : Journal Of Information System, Computer Science And Information Technology by Universitas Dharmawangsa is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Based on a work at http://jurnal.dharmawangsa.ac.id/index.php/device