ANALISIS SENTIMEN MENGGUNAKAN NAIVE BAYES MULTINOMIAL TERHADAP ISU KAESANG PANGAREP DI MEDIA SOSIAL X

Penulis

  • Hafizh Fauzan Syawwali Universitas Budi Luhur
  • Rizky Pradana Universitas Budi Luhur

Kata Kunci:

Text Mining, sentiment analysis, TF-IDF, Crawling, naive abyes multinomial

Abstrak

Di era digital, media sosial seperti Twitter (X) menjadi platform utama untuk menyampaikan pendapat dan berbagi informasi. Kaesang Pangarep, yang aktif dalam dunia bisnis, media, dan politik sejak September 2023, menarik perhatian publik dengan berbagai inisiatifnya. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap isu-isu yang terkait dengan Kaesang Pangarep pada tahun 2024 melalui platform Twitter. Dataset yang digunakan dalam penelitian ini berjumlah 443 tweet yang dikumpulkan menggunakan Tweet Harvest dan dilabeli secara manual ke dalam kategori positif, negatif, dan netral. Metode yang digunakan dalam penelitian ini adalah pembobotan TF-IDF untuk representasi teks, serta algoritma Naïve Bayes Multinomial untuk klasifikasi sentimen. Model kemudian dievaluasi dengan metrik akurasi, precision, recall, dan F1-score. Hasil menunjukkan bahwa model memiliki akurasi 71,91% untuk sentimen positif, 58,43% untuk sentimen negatif, dan 57,30% untuk sentimen netral. Precision untuk kategori positif mencapai 80,00%, sedangkan untuk kategori negatif dan netral masing-masing sebesar 47,06% dan 33,33%. Recall tertinggi diperoleh pada kategori negatif sebesar 70,59%, sedangkan recall untuk kategori positif dan netral masing-masing adalah 14,29% dan 40,74%. F1-score terbaik berada di kategori negatif dengan nilai 56,47%. Penelitian ini menunjukkan bahwa metode Naïve Bayes Multinomial mampu membedakan sentimen publik terhadap Kaesang Pangarep dengan tingkat keberhasilan yang moderat. Hasil ini dapat menjadi acuan untuk memahami persepsi masyarakat melalui analisis sentimen di media sosial, khususnya terhadap tokoh publik di Indonesia.

Referensi

T. Safitri, Y. Umaidah, and I. Maulana, “Analisis Sentimen Pengguna Twitter Terhadap BTS Menggunakan Algoritma Support Vector Machine,” 2023. [Online]. Available: http://jurnal.polibatam.ac.id/index.php/JAIC

Rahmania Mustaqlillah, Okky Widyaningtyas, and Tri Wantoro, “Efektivitas Penggunaan Twitter Sebagai Sarana Peningkatan Berpikir Kritis Mahasiswa Ilmu Komunikasi,” MUKASI: Jurnal Ilmu Komunikasi, vol. 2, no. 1, pp. 18–28, Feb. 2023, doi: 10.54259/mukasi.v2i1.1346.

Z. Ardika and A. D. Wowor, “Analisis Sentimen Masyarakat Terhadap Program Badan Penyelenggara Jaminan Sosial (BPJS) Menggunakan Data Twitter,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 9, no. 1, pp. 90–99, 2024, doi: 10.29100/jipi.v9i1.4272.

Y. MZ, J. E. Bororing, and N. Fuadiah, “Penerapan Metode K-Nearest Neighbor Dan Decision Tree Untuk Analisis Sentimen (Studi Kasus Mario Dandi),”IJITECH: Indonesia Journal of Information Technology, vol. 1, no. 1, pp. 2-6, 2023.

M. A. Java, et al, “Analisis Sentimen Ulasan Pengguna Aplikasi Threads pada Google Play Store Menggunakan Multinomial Naive Bayes dan Support Vector Machine,” Jurnal TICOM: Technology of Information and Communication, vol. 12, no. 2, pp. 75-80, 2024.

K. Cindy Astuti, A. Firmansyah, A. Riyadi, and U. Pelita Bangsa Bekasi, “Implementasi Text Mining untuk Analisis Sentimen Masyarakat terhadap Ulasan Aplikasi Digital Korlantas Polri pada Google Play Store,” Remik: Riset dan E-Jurnal Manajemen Informatika Komputer, vol. 8, no. 1, pp. 383-394, 2024

R. Adrian, Musaddam, M. Ikhsan, and M. R. Pahlevi. B, “Detection of Hoax News Using TF-IDF Vectorizer and Multinomial Naïve Bayes and Passive Aggressive,” Media Journal of General Computer Science, vol. 1, no. 2, pp. 54–61, 2024, doi: 10.62205/mjgcs.v1i2.24.

V. P. Devi, “Otomatisasi Review Produk Pada Aplikasi Lazada Dengan Metode Naïve Bayes,” 2024.

M. I. Fariz, D. Arifianto, and Y. D. Rahayu, “Optimasi Metode Multinomial Naïve Bayes Dengan Menggunakan Metode Levenshtein Distance Pada Ulasan Aplikasi KAI Access,” JASIE: Jurnal Aplikasi Sistem Informasi dan Elektronika, vol 5, no. 1, pp. 19-27, 2023.

D. Ananda and R. R. Suryono, “Analisis Sentimen Publik Terhadap Pengungsi Rohingya di Indonesia dengan Metode Support Vector Machine dan Naïve Bayes,” Jurnal Media Informatika Budidarma, vol. 8, no. 2, pp. 748-757, 2024, doi: 10.30865/mib.v8i2.7517.

Unduhan

Diterbitkan

30-09-2024

Cara Mengutip

Fauzan Syawwali, H., & Pradana, R. (2024). ANALISIS SENTIMEN MENGGUNAKAN NAIVE BAYES MULTINOMIAL TERHADAP ISU KAESANG PANGAREP DI MEDIA SOSIAL X. Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 3(2), 846–855. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/1540

Terbitan

Vol 3 No 2 (2024): Prosiding SENAFTI Ke-5 September 2024

Bagian

Artificial Intelligence

Lisensi

Hak Cipta (c) 2024 Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI)

Creative Commons License

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.