Penerapan Text Mining Dengan Algoritma Naïve Bayes Untuk Mengklasifikasikan Sentimen Rakyat Terhadap Minyak Goreng Subsidi Pemerintah
Kata Kunci:
klasifikasi, minyak goreng, data mining, pemerintah, twitter, naive bayesAbstrak
Kenaikan harga minyak goreng terjadi di Indonesia secara mendadak di Indonesia. Cukup mengagetkan mengingat Indonesia merupakan negara penghasil minyak sawit terbesar di dunia. Banyak masyarakat Indonesia yang mengeluhkan kenaikan harga minyak goreng yang tinggi ini. Pemerintah hadir ditengah tinggi nya harga minyak goreng dipasaran dengan melakukan subsidi untuk menstabilkan kembali harga minyak goreng yang tinggi di masyarakat. Harga minyak goreng memang sudah disubsidi, namun stok dan keberadaan minyak goreng subsidi pemerintah di gerai dan minimarket banyak yang tidak tersedia. Social media twitter tempat menjadinya trending topik #Minyak Goreng. Penelitian ini bertujuan untuk melihat respon masyarakat di social media terkait kebijakan minyak goreng subsidi pemerintah. Pada penelitian ini dilakukan klasifikasi pada data twitter untuk mengklasifikasikan sentiment masyarakat terhadap minyak goreng subsidi pemerintah. Kontribusi penelitian ini dapat membantu pemerintah terkait kebijakan minyak goreng subsidi terdapat masalah selama kebijakan ini berlaku dengan mengetahui respon masyarakat. Penelitian ini diterapkan Algoritma Naïve Bayes untuk mengklasifikasikan sentiment masyarakat Indonesia terhadap subsidi minyak goreng pemerintah ditemukan bahwa tingkat akurasi yang didapatkan yakni sebesar 69.4% dengan precision yang dihasilkan sebesar 65,3% sedangkan recall yang dihasilkan sebesar 31.6% dan error rate sebesar 30,6%
Referensi
S. Yakub, A. Fitri Boy, I. Mariami, W. Stmik, dan T. Dharma, “J-SISKO TECH Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD Penerapan Data Mining Pengaturan Pola Tata Letak Barang Pada Berkah Swalayan Untuk Strategi Penjualan Menggunakan Algoritma Apriori,” ν, vol. 69, no. 1, pp. 69–75, 2019.
R. Buaton, A. Sihombing, F. D. Aritonang, dan C. R. Wijaya, “Data Mining Untuk Menentukan Korelasi (Confidence Dan Support) Jurusan Siswa Pada Tingkat Sekolah Menengah Terhadap Indeks Prestasi Kumulatif (IPK) Di Perguruan Tinggi Sebagai Solusi Tepat Pemilihan Program Studi Di Perguruan Tinggi,” Jurnal Sistem Informasi Kaputama (JSIK), vol. 1, no. 2, 2017,
M. Ridho Handoko, “Sistem Pakar Diagnosa Penyakit Selama Kehamilan Menggunakan Metode Naive Bayes Berbasis Web,” Jurnal Teknologi dan Sistem Informasi (JTSI), vol. 2, no. 1, pp. 50–58, 2021,
U. Banten Jaya, S. Royan, and A. Yulian, “Implementasi Data Mining Menggunakan Metode Naive Bayes Dengan Feature Selection Untuk Prediksi Kelulusan Mahasiswa Tepat Waktu,” vol. 5, no. 2, 2021.
M. H. Rifqo and A. Wijaya, “Implementasi Algoritma Naive Bayes Dalam Penentuan Pemberian Kredit,” 2017.
S. Lestari, M. Badrul, P. Studi Sistem Informasi, dan S. Nusa Mandiri Jakarta, “Implementasi Klasifikasi Naive Bayesuntuk Prediksi Kelayakan Pemberian Pinjaman Pada Koperasianugerah Bintang Cemerlang,” vol. 7, no. 1, 2020.
R. A. Anggraini, G. Widagdo, A. Setya Budi, dan M. Qomaruddin, “Penerapan Data Mining Classification untuk Data Blogger Menggunakan Metode Naïve Bayes,” vol. 7, no. 1, 2019.
J. Avegad et al., “Data Mining Klasifikasi Untuk Memprediksi Status Keberlanjutan Polis Asuransi Kesehatan Dengan Algoritme Naïve Bayes,” Seminar Nasional Teknologi Informasi dan Komunikasi STI&K (SeNTIK), vol. 3, no. 1, 2019.
C. Selvi, D. Sembiring, L. Hanum, dan S. Parsaoran Tamba, “Penerapan Data Mining Menggunakan Algoritma K-Means Untuk Menentukan Judul Skripsi Dan Jurnal Penelitian (Studi Kasus FTIK UNPRI),” Jurnal Sistem Informasi dan Ilmu Komputer Prima), vol. 5, no. 2, 2022.
E. Febrivani, R. Winanjaya, P. Data Mining Asosiasi Pada Persediaan Obat, S. Tinggi Ilmu Komputer Tunas Bangsa, and I. Dosen Sekolah Tinggi Ilmu Komputer Tunas Bangsa, “JIKOMSI [Jurnal Ilmu Komputer dan Sistem Informasi] Penerapan Data Mining Asosiasi Pada Persediaan Obat,” vol. 4, no. 1, pp. 25–36, 2021.
