Analisis Sentimen Terhadap Resesi Ekonomi Global Di Indonesia Menggunakan Hybrid Linear Regression – Naive Bayes

  • Diva Nabila Herisnan STMIK Amik Riau
  • Masyitah Elwinda STMIK Amik Riau
  • Rashid Rashid STMIK Amik Riau
  • Rahmaddeni Rahmaddeni STMIK Amik Riau

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen masyarakat Indonesia terhadap resesi ekonomi global menggunakan pendekatan hybrid yang menggabungkan algoritma Linear Regression dan Naive Bayes. Data yang digunakan diambil dari dataset Kaggle yang berisi 2.138 tweet terkait resesi ekonomi. Tahapan penelitian meliputi identifikasi masalah, pengumpulan dataset, preprocessing, pembobotan kata menggunakan TF-IDF, klasifikasi data, distribusi sentimen, dan evaluasi model. Hasil analisis menunjukkan bahwa sentimen publik terhadap resesi ekonomi global di Indonesia didominasi oleh reaksi netral. Metode hybrid Linear Regression dan Naïve Bayes dengan pembobotan kata TF-IDF pada splitting data 60:40 memberikan hasil akurasi tertinggi sebesar 97,66%.Secara keseluruhan, akurasi tertinggi dengan menggunakan Linear Regression yaitu sebesar 98,01%. Penelitian ini memberikan wawasan yang lebih mendalam tentang persepsi masyarakat terhadap resesi ekonomi, yang dapat membantu pembuat kebijakan dan industri dalam merancang strategi yang lebih efektif untuk menghadapi dampak dari krisis ekonomi global.

References

Albab, M. U., Karuniawati P, Y., & Fawaiq, M. N. (2023). Optimization of the Stemming Technique on Text preprocessing President 3 Periods Topic. 20(2), 1–10. https://doi.org/10.26623/transformatika.v20i2.5374
Akbar, Y., & Ihsan, A. N. (2023). Analisis Sentimen Twitter Terhadap Opini Masyarakat Pada Sea Games Kamboja 2023 Menggunakan Algoritma Support Vector Machine. INTECOMS: Journal of Information Technology and Computer Science, 6(2), 814–821. https://doi.org/10.31539/intecoms.v6i2.7670
Himawan, R. D., & Eliyani, E. (2021). Perbandingan Akurasi Analisis Sentimen Tweet terhadap Pemerintah Provinsi DKI Jakarta di Masa Pandemi. Jurnal Edukasi Dan Penelitian Informatika (JEPIN), 7(1), 58. https://doi.org/10.26418/jp.v7i1.41728

Djamaludin, M. A., Triayudi, A., & Mardiani, E. (2022). Analisis Sentimen Tweet KRI Nanggala 402 di Twitter menggunakan Metode Naïve Bayes Classifier. Jurnal Teknologi Informasi Dan Komunikasi), 6(2), 2022. https://doi.org/10.35870/jti
Farah Zhafira, D., Rahayudi, B., & Korespondensi, P. (2021). ANALISIS SENTIMEN KEBIJAKAN KAMPUS MERDEKA MENGGUNAKAN NAIVE BAYES DAN PEMBOBOTAN TF-IDF BERDASARKAN KOMENTAR PADA YOUTUBE (Vol. 2, Issue 1).
Halim Lubis, A., Fadillah Harahap, Y., & Studi Ilmu Komputer, P. (2023). Analisis Sentimen Masyarakat Terhadap Resesi Ekonomi Global 2023 Menggunakan Algoritma Naïve Bayes Classifier. 16(2), 442–450. https://doi.org/10.51903/elkom.v16i2.1673
Hasibuan, E., & Heriyanto, E. A. (n.d.). ANALISIS SENTIMEN PADA ULASAN APLIKASI AMAZON SHOPPING DI GOOGLE PLAY STORE MENGGUNAKAN NAIVE BAYES CLASSIFIER. JTS, 1(3).
Kriswantara, B., Kurniawati, K., & Pardede, H. F. (2021). Prediksi Harga Mobil Bekas dengan Machine Learning. Syntax Literate ; Jurnal Ilmiah Indonesia, 6(5), 2100. https://doi.org/10.36418/syntax-literate.v6i5.2716
Meisya, T., Aulia, P., Arifin, N., & Mayasari, R. (n.d.). PERBANDINGAN KERNEL SUPPORT VECTOR MACHINE (SVM) DALAM PENERAPAN ANALISIS SENTIMEN VAKSINISASI COVID-19. https://doi.org/10.31598
Noor, F., #1, H., & Dwijayanti, M. (n.d.). Analisis Sentimen Ulasan Pelanggan Terhadap Layanan Grab Indonesia Menggunakan Multinominal Naïve Bayes Classifier. In JLK (Vol. 4).
Oryza Habibie Rahman, Gunawan Abdillah, & Agus Komarudin. (2021). Klasifikasi Ujaran Kebencian pada Media Sosial Twitter Menggunakan Support Vector Machine. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(1), 17–23. https://doi.org/10.29207/resti.v5i1.2700
Oueslati, O., Cambria, E., Hajhmida, B., & Ounelli, H. (n.d.). A Review of Sentiment Analysis Research in Arabic Language. www.internetworldstats.com/stats7.htm
Pasek, P., Mahawardana, O., Sasmita, G. A., Agus, P., & Pratama, E. (2022). Analisis Sentimen Berdasarkan Opini dari Media Sosial Twitter terhadap “Figure Pemimpin” Menggunakan Python. In JITTER-Jurnal Ilmiah Teknologi dan Komputer (Vol. 3, Issue 1).
Putro, H. F., Vulandari, R. T., & Saptomo, W. L. Y. (2020). Penerapan Metode Naive Bayes Untuk Klasifikasi Pelanggan. Jurnal Teknologi Informasi Dan Komunikasi (TIKomSiN), 8(2). https://doi.org/10.30646/tikomsin.v8i2.500
Sari, D. I., Wati, Y. F., & Widiastuti. (2020). ANALISIS SENTIMEN DAN KLASIFIKASI TWEETS BERBAHASA INDONESIA TERHADAP TRANSPORTASI UMUM MRT JAKARTA MENGGUNAKAN NAÏVE BAYES CLASSIFIER. Jurnal Ilmiah Informatika Komputer, 25(1), 64–75. https://doi.org/10.35760/ik.2020.v25i1.2427
Saron Tandiapa, S., & Caren Rorimpandey, G. (n.d.). ANALISIS SENTIMEN ULASAN PENGGUNA PADA APLIKASI THREADS DENGAN METODE LEXICON BASED DAN NAIVE BAYES CLASSIFIER.
Sutresno, S. A. (2023). Analisis Sentimen Masyarakat Indonesia Terhadap Dampak Penurunan Global Sebagai Akibat Resesi di Twitter. Building of Informatics, Technology and Science (BITS), 4(4). https://doi.org/10.47065/bits.v4i4.3149
Published
2024-09-21
Abstract viewed = 0 times
PDF downloaded = 0 times