Analisis Sentimen Twitter Terhadap Uu Cipta Kerja Dengan Menggunakan Algoritma Naïve Bayes Dan Support Vector Machine

Frencis Matheos Sarimole; Andrian Nur Ihsan

doi:10.31539/intecoms.v6i2.7671

Frencis Matheos Sarimole Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika
Andrian Nur Ihsan Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika

DOI: https://doi.org/10.31539/intecoms.v6i2.7671

Abstract

Undang-Undang Cipta Kerja tujuannya adalah untuk mendorong investasi dan penciptaan lapangan kerja melalui penyederhanaan sistem birokrasi dan perizinan, kemudahan bagi pelaku usaha, khususnya UKM. Banyak masyarakat yang menolak UU Cipta Kerja karena dinilai tidak memihak kepada masyarakat, khususnya kepada buruh dan karyawan. Beberapa pasal UU Cipta Kerja dianggap merugikan pekerja. Salah satunya menyangkut pemecatan dan nilai pesangon yang dikurangi. Banyak masyarakat yang tidak setuju dengan pengesahaan UU tersebut. Tujuan dari penelitian ini adalah untuk memahami dan mengetahui opini masyarakat atas UU Cipta Kerja, apakah opini tersebut masuk dalam kelas sentimen positif atau kelas sentimen negatif serta mengetahui hasil akurasi persentasi dari setiap kelas. Pengujian dilakukan menggunakan algoritma Naïve Bayes dan Support Vector Machine (SVM) Berdasarkan hasil pengujian model algoritma Naïve Bayes menghasilkan nilai akurasi sebesar 75,43% dan Support Vector Machine sebesar 81,31%, Dari proses pengujian sentimen analisis menggunakan 1442 data, menghasilkan prediksi sebanyak 970 Sentimen Positif dan 472 Sentimen Negatif.

References

Aditia Rakhmat Sentiaji, Adam Mukaharil Bachtiar et al. (2014). Analisis Sentimen Terhadap Acara Televisi Berdasarkan Opini Publik. Jurnal Ilmiah Komputer dan Informatika (KOMPUTA).
Ainurrohmah. (2021). Akurasi Algoritma Klasifikasi Pada Software Rapidminer Dan Weka. Prosiding Seminar Nasional Matematika 4: 493–99. https://journal.unnes.ac.id/sju/index.php/prisma/.
Azhari, Mulkan, Zakaria Situmorang, and Rika Rosnelly. (2021). “Perbandingan Akurasi, Recall, Dan Presisi Klasifikasi Pada Algoritma C4.5, Random Forest, SVM Dan Naive Bayes. Jurnal Media Informatika Budidarma 5(2): 640.
Azis Maarif, Abdul. (2015). Penerapan Algoritma Fuzzy.” Universitas Dian Nusantara. repository.unair.ac.id/29371/3/15 BAB II.pdf.
Irwansyah Saputra, Dinar Ajeng Kristiyanti. (2022). Machine Learning Untuk Pemula. Informatika Bandung.
Kartikasari, Hesty, and Agus Machfud Fauzi. (2021). “Penolakan Masyarakat Terhadap Pengesahan Omnibus Law Cipta Kerja Dalam Perspektif Sosiologi Hukum.” Doktrina: Journal of Law 4(1): 39–52.
Liu, Chin-Hung, and Wei-Shih Tsai. (2010). “The Effects of Service Quality and Lifestyle on Consumer Choice of Channel Types: The Health Food Industry as an Example.” African Journal of Business Management 4(6): 1023–39. http://www.academicjournals.org/AJBM.
Muttaqin, Firdaus Akhmad, and Adam Mukaharil Bachtiar. (2016). Implementasi Teks Mining Pada Aplikasi Pengawasan Penggunaan Internet Anak ‘Dodo Kids Browser. Jurnal Ilmiah Komputer dan Informatika: 1–8.
Nurzahputra, Aldi, and Much Aziz Muslim. (2016). Analisis Sentimen Pada Opini Mahasiswa Menggunakan Natural Language Processing. Seminar Nasional Ilmu Komputer (Snik): 114–18.
Sisfotenika, Jurnal. (2023). Analisis Sentimen Dengan Algoritma SVM Dalam Tanggapan Netizen Terhadap Berita Resesi 2023 Analysis Sentiment Using the SVM Algorithm in Netizen Responses to News of the 2023 Recession.13(1): 53–64.