PENERAPAN ALGORITMA NAIVE BAYES CLASSIFIER PADA ANALISIS SENTIMEN MASYARAKAT INDONESIA TERHADAP CHILDFREE PADA TWITTER

Penulis

  • Christina Dwi Angelina Universitas Budi Luhur
  • Painem Universitas Budi Luhur

Kata Kunci:

childfree, klasifikasi, bag of words, naive bayes classifier

Abstrak

Childfree adalah sebuah keputusan atau pilihan hidup sepasang suami istri untuk tidak memiliki anak, baik anak kandung, anak tiri, maupun anak angkat. Banyak faktor yang pada akhirnya menyebabkan pasangan memutuskan untuk tidak memiliki anak. Faktor-faktor tersebut diantaranya karena masalah ekonomi, kesehatan jasmani, kesehatan mental, latar belakang keluarga, atau peristiwa traumatis yang terjadi di masa lalu. Childfree mulai ramai diperbincangkan di Indonesia setelah salah satu pasangan influencer Indonesia menyatakan untuk childfree. Mereka percaya bahwa memiliki anak bukanlah kewajiban melainkan pilihan hidup. Keputusan tersebut sempat viral diberbagai media sosial salah satunya Twitter. Terjadi perdebatan pro dan kontra, untuk yang pro terhadap childfree berpendapat bahwa tidak memiliki anak adalah pilihan bijak untuk pasangan yang tidak siap memiliki anak. Karena memiliki anak harus mempersiapkan banyak hal seperti ekonomi, fisik dan juga mental. Sedangkan yang kontra terhadap childfree berpendapat kalau anak adalah anugerah bukan beban dan tujuan pernikahan untuk mendapatkan keturunan. Oleh sebab itu penelitian ini bertujuan untuk melakukan analisis sentimen masyarakat indonesia terhadap childfree dengan menggunakan algoritma naive bayes classifier dengan cara mengklasifikasikan tweet ke dalam dua sentimen, yaitu sentimen positif dan negatif. Beberapa tahap yang dilakukan pada penelitian ini yaitu crawling data, pelabelan data, preprocessing, ekstraksi fitur dengan bag of words, klasifikasi dengan naive bayes classifier lalu pengujian dengan confusion matrix. Dataset merupakan hasil crawling twitter mulai tanggal 1 Februari hingga 15 Februari 2023. Dari 440 dataset sebanyak 65% bersentimen positif dan 35% bersentimen negatif. Hasil pengujian mendapatkan akurasi sebesar 90,9%, presisi 92,6% dan recall 92,6%.

Referensi

U. Khasanah and M. R. Ridho, “Childfree Perspektif Hak Reproduksi Perempuan dalam Islam,” e-Journal Al-Syakhsiyyah Journal of Law and Family Studies, vol. 3, no. 2, pp. 104-128, 2021.

Gianie, “Tren Populasi yang Menyusut dan Kecemasan Dunia,” kompas.id, 2023. [Online]. Available: https://www.kompas.id/baca/riset/2023/05/03/tren-populasi-yang-menyusut-dan-kecemasan-dunia. [Accessed 13 07 2023].

D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” J-SAKTI (Jurnal Sains Komputer Dan Informatika), vol. 5, no. 2, pp. 697-711, 2021.

E. Salim and A. Solichin, “ANALISIS SENTIMEN PADA MEDIA SOSIAL TWITTER TERHADAP PELAYANAN DINAS KEPENDUDUKAN DAN PENCATATAN SIPIL MENGGUNAKAN ALGORITMA NAÏVE BAYES,” INDONESIA JOURNAL INFORMATION SYSTEM (IDEALIS), vol. 5, no. 2, pp. 79-86, 2022.

M. Priandi and Painem, “Analisis Sentimen Masyarakat Terhadap Pembelajaran Daring di Era Pandemi Covid-19 pada Media Sosial Twitter Menggunakan Ekstraksi Fitur Countvectorizer dan Algoritma K-Nearest Neighbor,” Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA), pp. 311-319, 2021.

N. Ferdyansyah and A. Solichin, “ANALISIS SENTIMEN TERHADAP PEMBELAJARAN DOSEN BERDASARKAN DATA KRITIK SARAN MAHASISWA MENGGUNAKAN METODE NAIVE BAYES,” Bit (Fakultas Teknologi Informasi Universitas Budi Luhur), vol. 19, no. 2, pp. 104-111, 2022.

P. Antinasari, R. S. Perdana and M. A. Fauzi, “Analisis Sentimen Tentang Opini Film Pada Dokumen Twitter Berbahasa Indonesia Menggunakan Naive Bayes Dengan Perbaikan Kata Tidak Baku,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 1, no. 12, pp. 1733-1741, 2017.

B. M. Pintoko and K. M. L, “Analisis Sentimen Jasa Transportasi Online pada Twitter Menggunakan Metode Naïve Bayes Classifier,” e-Proceeding of Engineering, vol. 5, no. 3, p. 8121, 2018.

M. P. Wibowo, S. Amini, Indra and D. Kusumaningsih, “ANALISIS SENTIMEN MASYARAKAT INDONESIA PADA TWITTER TERHADAP ISU RESESI 2023 MENGGUNAKAN METODE NAIVE BAYES,” Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), vol. 2, no. 1, pp. 201-210, 2021.

A. A. Susanto, Painem, M. Syafrullah and R. Pradana, “ANALISIS SENTIMEN PENERAPAN KURIKULUM MERDEKA PADA TWITTER DENGAN METODE NAÏVE BAYES,” Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), vol. 2, no. 1, pp. 227-234, 2023.

Karsito and S. Susanti, “KLASIFIKASI KELAYAKAN PESERTA PENGAJUAN KREDIT RUMAH DENGAN ALGORITMA NAÏVE BAYES DI PERUMAHAN AZZURA RESIDENCIA,” SIGMA – Jurnal Teknologi Pelita Bangsa, vol. 9, no. 3, pp. 43-48, 2019.

I. W. Saputro and B. W. Sari, “Uji Performa Algoritma Naïve Bayes untuk Prediksi Masa Studi Mahasiswa,” Citec Journal, vol. 6, no. 1, pp. 1-11, 2019.

Unduhan

Diterbitkan

11-10-2023

Cara Mengutip

Angelina, C. D., & Painem. (2023). PENERAPAN ALGORITMA NAIVE BAYES CLASSIFIER PADA ANALISIS SENTIMEN MASYARAKAT INDONESIA TERHADAP CHILDFREE PADA TWITTER. Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 2(2), 398–407. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/739

Terbitan

Vol 2 No 2 (2023): Prosiding SENAFTI Ke-3 September 2023

Bagian

Artificial Intelligence

Lisensi

Hak Cipta (c) 2023 Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI)

Creative Commons License

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.

Artikel paling banyak dibaca berdasarkan penulis yang sama

1 2 > >>