IMPLEMENTASI TEXT MINING DENGAN NAÏVE BAYES UNTUK ANALISIS SENTIMEN LAYANAN KEPOLISIAN SELAMA MUDIK 2024
Kata Kunci:
analisis sentimen, polisi, naive bayesAbstrak
Mudik adalah tradisi tahunan bagi warga Indonesia yang kembali ke kampung halaman menjelang Idul Fitri untuk berkumpul bersama keluarga. Pada mudik tahun 2024, pemerintah dan Kepolisian Republik Indonesia telah meningkatkan keamanan dengan menambah personil di titik rawan kemacetan dan kecelakaan. Analisis opini masyarakat di platform X menunjukkan dua arah tanggapan terhadap layanan kepolisian selama mudik 2024. Banyak pengguna mengapresiasi responsivitas dan peningkatan keamanan, namun terdapat juga keluhan tentang beberapa area yang perlu perbaikan. Penelitian ini menggunakan metode Text Mining dan Algoritma Naïve Bayes untuk menganalisis sentimen pengguna X Indonesia terkait layanan kepolisian selama mudik 2024. Dataset diperoleh dari X harvest dengan rentang waktu 7-14 April 2024, terdiri dari 1.176 data dengan kata kunci "info mudik" dan "kabar mudik". Hasil analisis menunjukkan akurasi 63%, presisi 70%, recall 69%, dan f1-score 62%. Sentimen positif mencapai 50%, negatif 16%, dan netral 34%, menunjukkan mayoritas pengguna memiliki pandangan positif terhadap layanan kepolisian selama mudik 2024. Penelitian ini memberikan wawasan tentang persepsi publik terhadap upaya keamanan mudik dan dapat menjadi dasar bagi perbaikan layanan di masa mendatang. Maka dari itu Kontribusi penelitian ini terletak pada pembuatan sistem aplikasi berbasis web diharapkan dapat membantu pihak kepolisian untuk merespons dan menindaklanjuti setiap peristiwa yang terjadi selama pelaksanaan mudik selanjutnya, memastikan bahwa analisis sentimen yang akurat dapat menjadi alat bantu penting dalam pengambilan keputusan dan peningkatan pelayanan publik.
Referensi
D. Pramana, M. Afdal, M., and I. Permana, “Analisis Sentimen Terhadap Pemindahan Ibu Kota Negara Menggunakan Algoritma Naive Bayes Classifier dan K-Nearest Neightbors,” vol. 7, pp. 1306-1314, 2023.
A. Putri, and A. Muzakir, “Analisis Sentimen Cyberbullying KPOP Di Media Sosial Twitter Menggunakan Metode Naive Bayes,” vol. 7, pp. 2541-0849, 2022.
N. S. Marga, A. R. Isnain, and D. Alita, “Sentimen Analisis Tentang Kebijakan Pemerintah Terhadap Kasus Corona Menggunakan Metode Naive Bayes,” vol. 2, pp. 453-463, 2020.
G. N. Saputro Putri, D. Ispriyanti, and T. Widiharih, “Impelementasi Algoritma Fuzzy C-Means Dan Fuzzy Possibilistics C-Means Untuk Klasterisasi Data Tweets Pada Akun Twitter Tokopedia,” Jurnal Gaussian, vol. 11, no. 1, pp. 86-98, 2022.
I. B. Irawan, and O. Nurdiawan, “Naive Bayes Dan Wordcloud Untuk Analisis Sentimen Wisata Halal Pulau Lombok,” Infotech Journal, vol. 9, no. 1, pp. 236-242, 2023.
C. H. Yutika, A., and S. Al Faraby, “Analisis Sentimen Berbasis Aspek pada Review Female Daily Menggunakan TF-IDF dan Naïve Bayes,” Jurnal Media Informatika Budidarma, vol. 5, no. 2, pp. 422- 430, 2021.
P. G. Aryanti, and I. Santoso, “Analisis Sentimen Pada Twitter Terhadap Mobil Listrik Menggunakan Algoritma Naive Bayes,” Jurnal IKRAITH-Informatika, vol. 7, no. 2, pp. 2580-4316, 2023.
I. A. Tanggraeni, and M. N. N. Sitokdana, “Analisis Sentimen Aplikasi E-Government Pada Google Play Menggunakan Algoritma Naïve Bayes,” JATISI: Jurnal Teknik Informatika dan Sistem Informasi, vol. 9, no. 2, pp. 785-795, 2022.
M. R. Fais Sya’ Bani, U. Enri, and T. N. Padilah, “Analisis Sentimen Terhadap Bakal Calon Presiden 2024 dengan Algoritma Naïve Bayes,” JURIKOM: Jurnal Riset Komputer, vol. 9, no. 2, pp. 2407- 389X, 2022.
T. Ridwansyah, “Implementasi Text Mining Terhadap Analisis Sentimen Masyarakat Dunia Di Twitter Terhadap Kota Medan Menggunakan K-Fold Cross Validation Dan Naïve Bayes Classifier,” KLIK: Kajian Ilmiah Informatika dan Komputer, vol. 2, no. 5, pp. 178-185, 2022.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI)
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
