Publisher

UBMUBM

Journal Jurnal Algoritma, Logika dan KomputasiJurnal Algoritma, Logika dan Komputasi Abstract

Penelitian ini dilatar belakangi kebijakan pencairan dana JHT yang pada saat ini terjadi perubahan, pasalnya dalam Peraturan Menteri Ketenagakerjaan Nomor 2 Tahun 2022 tentang Tata Cara dan Persyaratan Pembayaran Manfaat Jaminan Hari Tua itu, pekerja tidak bisa mencairkan JHT langsung setelah mengalami Pemutusan Hubungan Kerja (PHK) atau mengundurkan diri dari pekerjaan tersebut. Penelitian ini mengunakan metode naïve bayes untuk mengetahui sentiment dari masyarakat terhadap kebijakan tersebut. Tujuannya diharapkan dapat mengetahui opini public apakah masyarakat pro dan kontra dengan kebijakan mengenai revisi aturan pencairan dana JHT tesebut. Hasil dari penelitian ini menerima input dataset yang diperoleh dari twitter menggunakan metode web scraping, lalu data tersebut melalui tahapan preprocessing. Data hasil dari preprocessing dibagi menjadi data training dan data testing, setelah itu data kemudian dianalisis menggunakan metode naïve bayes sehingga menghasilkan sentimen positif dan sentimen negatif. Dari hasil pengujian menggunakan confusion matrix, dilakukan tiga kali pengujian menggunakan jumlah data test yang berbeda, hasil akurasi terbaik di dapatkan menggunakan jumlah data test 10% yaitu nilai akurasi 91,46%.

Conclusion

Berdasarkan perancangan, hasil implementasi dan pengujian yang dilakukan, aplikasi analisis sentimen kebijakan Jaminan Hari Tua (JHT) pada twitter berhasil dibuat menggunakan bahasa pemrograman python dan MySQL sebagai databasenya.Metode Naïve Bayes berhasil diimplementasikan pada analisis sentiment terkait kebijakan Jaminan Hari Tua (JHT), dengan akurasi terbaik 91,46% pada data test 10%.Penelitian ini diharapkan dapat menjadi dasar pengembangan sistem analisis sentimen lebih lanjut dengan metode lain untuk perbandingan performa.

Future Research

Penelitian lanjutan dapat difokuskan pada pengembangan sistem dengan mengintegrasikan metode analisis sentimen lainnya, seperti Support Vector Machine (SVM) atau deep learning, untuk membandingkan akurasi dan efisiensi masing-masing metode. Selain itu, penelitian dapat diperluas dengan menganalisis sentimen dari berbagai platform media sosial lainnya, seperti Facebook dan Instagram, untuk mendapatkan gambaran yang lebih komprehensif mengenai opini publik terhadap kebijakan JHT. Terakhir, penelitian dapat menggali lebih dalam faktor-faktor yang memengaruhi sentimen masyarakat terhadap kebijakan JHT, seperti usia, tingkat pendidikan, dan status pekerjaan, untuk memberikan rekomendasi yang lebih spesifik kepada pemerintah dalam merumuskan kebijakan yang lebih baik dan responsif terhadap kebutuhan masyarakat. Penelitian ini diharapkan dapat memberikan wawasan yang lebih mendalam mengenai dinamika opini publik terhadap kebijakan JHT dan membantu pemerintah dalam meningkatkan efektivitas komunikasi dan pengambilan keputusan.

References

1. (PDF) Generalized Confusion Matrix for Multiple Classes. pdf generalized confusion matrix multiple classes... doi.org/10.13140/RG.2.2.31150.51523PDF Generalized Confusion Matrix for Multiple Classes pdf generalized confusion matrix multiple classes doi 10 13140 RG 2 2 31150 51523
2. ANALISA TESTIMONIAL DENGAN MENGGUNAKAN ALGORITMA TEXT MINING DAN TERM FREQUENCY- INVERSE DOCUMENT FREQUENCE... ejurnal.stmik-budidarma.ac.id/index.php/komik/article/view/1697ANALISA TESTIMONIAL DENGAN MENGGUNAKAN ALGORITMA TEXT MINING DAN TERM FREQUENCY INVERSE DOCUMENT FREQUENCE ejurnal stmik budidarma ac index php komik article view 1697
3. A Support Vector Machine-Firefly Algorithm for Movie Opinion Data Classification | Styawati | IJCCS (Indonesian... doi.org/10.22146/ijccs.41302A Support Vector Machine Firefly Algorithm for Movie Opinion Data Classification Styawati IJCCS Indonesian doi 10 22146 ijccs 41302

Metadata

File size	287.68 KB
Pages	10
DMCA	Report