Analisis Sentimen Masyarakat Terhadap Pemerintah di Era Kabinet Joko Widodo Berdasarkan Sosial Media X Menggunakan Naïve bayes dan K-Nearest Neighbor (KNN)

  • Fadhel Naufal Rahman Sekolah Tinggi Ilmu Komputer (STIKOM) Cipta Karya Informatika Jakarta
  • Sri Lestari Sekolah Tinggi Ilmu Komputer (STIKOM) Cipta Karya Informatika Jakarta

Abstract

Selama masa jabatannya, Presiden Joko Widodo beserta kabinet bentukannya seringkali membuat kebijakan baru yang menimbulkan reaksi dimasyarakat baik positif, atau negatif. Reaksi masyarakat pula biasanya beragam mulai dari yang mendukung hingga mengkritisi kebijakan tersebut. Jika komentar tersebut diolah dengan baik maka dapat dijadikan acuan pemerintah yang akan menjabat di periode berikutnya guna mengevaluasi keputusan – keputusan pemerintah terhadap pengambilan kebijakan. Melihat hal ini maka diperlukan sebuah analisis sentimen yang ditujukan untuk melakukan klasifikasi dari berbagai komentar yang beredar agar dapat disajikan menjadi sebuah informasi yang bermanfaat. Pada penelitian ini dilakukan pengolahan data dengan algoritma Naïve Bayes Classifier dan K-Nearest Neighbor (KNN) dengan data yang diambil dari cuitan pada platform media sosial (X). Dari kedua metode ini digunakan sebagai hasil akhir akurasi dari penelitian ini dan menjadikan perbandingan nya antara satu sama lain. Data yang digunakan berjumlah 5329 tweets lalu melalui tahapan cleansing menjadi berjumlah 3437 data. Setelah dioalah datanya didapatkan nilai accuracy dari algoritma Naïve Bayes sebesar 93.02%%, sedangkan jika menggunakan algoritma K-Nearest Neighbor (KNN) mendapatkan nilai accuracy 96.33%. Sehingga dapat dikatakan bahwa algorima K-Nearest Neighbor (KNN) dapat mengklasifikasikan data secara lebih baik dibandingkan Naïve Bayes.

References

[1] D. A. Lestari and D. Mahdiana, “Penerapan Algoritma K-Nearest Neighbor pada Twitter untuk Analisis Sentimen Masyarakat Terhadap Larangan Mudik 2021”.
[2] M. Hidayat and U. Budiyanto, “3 rd Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI) 30 Agustus 2023-Jakarta,” 2023.
[3] Z. Rahman Hakim and S. Sugiyono, “Analisa Sentimen Terhadap Kereta Cepat Jakarta – Bandung Menggunakan Algoritma Naïve Bayes Dan K-Nearest Neighbor,” Jurnal Sains dan Teknologi, vol. 5, no. 3, pp. 939–945, Apr. 2024, doi: 10.55338/saintek.v5i3.1423.
[4] M. Syarifuddinn, “ANALISIS SENTIMEN OPINI PUBLIK TERHADAP EFEK PSBB PADA TWITTER DENGAN ALGORITMA DECISION TREE,KNN, DAN NAÏVE BAYES,” INTI Nusa Mandiri, vol. 15, no. 1, pp. 87–94, Aug. 2020, doi: 10.33480/inti.v15i1.1433.
[5] M. I. Ahmadi, D. Gustian, and F. Sembiring, “Analisis Sentiment Masyarakat terhadap Kasus Covid-19 pada Media Sosial Youtube dengan Metode Naive bayes,” 2021.
[6] H. Hilmi Zain, R. Maulana Awannga, and W. Isti Rahayu, “Perbandingan Model Svm, Knn Dan Naïve Bayes Untuk Analisis Sentiment Pada Data Twitter: Studi Kasus Calon Presiden 2024,” JIMPS: Jurnal Ilmiah Mahasiswa Pendidikan Sejarah, vol. 8, no. 3, pp. 2083–2093, doi: 10.24815/jimps.v8i3.25342.
[7] D. Sandi and E. Utami, “Analisis Sentimen Publik Terhadap Elektabilitas Ganjar Pranowo di Tahun Politik 2024 di Twitter dengan Algoritma KNN dan Naïve Bayes,” vol. 7, no. 3, pp. 1097–1108, 2023, doi: 10.30865/mib.v7i3.6298.
[8] D. Era, S. Andryana, and A. Rubhasy, “Perbandingan Algoritma Naïve Bayes Dan K-Nearest Neighbor pada Analisis Sentimen Pembukaan Pariwisata Di Masa Pandemi Covid 19,” 2023.
[9] D. Pramana, M. Afdal, and I. Permana, “Analisis Sentimen Terhadap Pemindahan Ibu Kota Negara Menggunakan Algoritma Naive Bayes Classifier dan K-Nearest Neightbors,” vol. 7, no. 3, pp. 1306–1314, 2023, doi: 10.30865/mib.v7i3.6523.
[10] Y. Nurtikasari, Syariful Alam, and Teguh Iman Hermanto, “Analisis Sentimen Opini Masyarakat Terhadap Film Pada Platform Twitter Menggunakan Algoritma Naive Bayes,” INSOLOGI: Jurnal Sains dan Teknologi, vol. 1, no. 4, pp. 411–423, Aug. 2022, doi: 10.55123/insologi.v1i4.770.
[11] M. Furqan, S. Mayang Sari, and P. Ilmu Komputer Fakultas Sains dan Teknologi, “Analisis Sentimen Menggunakan K-Nearest Neighbor Terhadap New Normal Masa Covid-19 Di Indonesia Sentiment Analysis using K-Nearest Neighbor towards the New Normal During the Covid-19 Period in Indonesia,” 2022. [Online]. Available: www.tripadvisor.com
[12] A. Sentimen, “Analisis Sentimen Pengguna Twitter terhadap Perpanjangan PPKM Menggunakan Metode K-Nearest Neighbor”.
[13] F. S. Pamungkas and I. Kharisudin, “Analisis Sentimen dengan SVM,” vol. 4, pp. 628–634, 2021, [Online]. Available: https://journal.unnes.ac.id/sju/index.php/prisma/
[14] N. Hardi et al., “SISTEMASI: Jurnal Sistem Informasi Analisis Sentimen Physical Distancing pada Twitter Menggunakan Text Mining dengan Algoritma Naive Bayes Classifier.” [Online]. Available: http://sistemasi.ftik.unisi.ac.id
[15] F. STMIK Syaikh Zainuddin Nahdlatul Wathan Anjani, “https://bufnets.tech https://doi.org/10.59688/bufnets BULLETIN OF NETWORK ENGINEER AND PERBANDINGAN ALGORITMA NAÏVE BAYES DAN KNN DALAM ANALISIS SENTIMEN MASYARAKAT TERHADAP PELAKSANAAN PPPK GURU COMPARISON OF NAÏVE BAYES AND KNN ALGORITHMS IN THE ANALYSIS OF PUBLIC SENTIMENT REGARDING THE IMPLEMENTATION OF GOVERNMENT EMPLOYEES WITH TEACHER WORK AGREEMENTS”, doi: 10.59688/bufnets.
[16] Syahril Dwi Prasetyo, Shofa Shofiah Hilabi, and Fitri Nurapriani, “Analisis Sentimen Relokasi Ibukota Nusantara Menggunakan Algoritma Naïve Bayes dan KNN,” Jurnal KomtekInfo, pp. 1–7, Jan. 2023, doi: 10.35134/komtekinfo.v10i1.330.
[17] S. H. Ramadhani and M. I. Wahyudin, “Analisis Sentimen Terhadap Vaksinasi Astra Zeneca pada Twitter Menggunakan Metode Naïve Bayes dan K-NN,” Jurnal Teknologi Informasi dan Komunikasi), vol. 6, no. 4, p. 2022, 2022, doi: 10.35870/jti.
[18] K. Zuhri, N. Adha, and O. Saputri, “Analisis Sentimen Masyarakat Terhadap Pilpres 2019 Berdasarkan Opini Dari Twitter Menggunakan Metode Naive Bayes Classifier,” 2020. [Online]. Available: https://journal-computing.org/index.php/journal-cisa/index
[19] A. Y. Permana and H. Noviyani, “Tahun 2022 Call for papers dan Seminar Nasional Sains dan Teknologi Ke-1 2022 Fakultas Teknik, Universitas Pelita Bangsa,” vol. 1, no. 1, p. 128, 2022.
[20] J. Supriyanto, D. Alita, and A. R. Isnain, “Penerapan Algoritma K-Nearest Neighbor (K-NN) Untuk Analisis Sentimen Publik Terhadap Pembelajaran Daring,” Jurnal Informatika dan Rekayasa Perangkat Lunak, vol. 4, no. 1, pp. 74–80, Mar. 2023, doi: 10.33365/jatika.v4i1.2468
Published
2024-09-21
Abstract viewed = 0 times
PDF downloaded = 0 times