Publisher

KRESNA MEDIAKRESNA MEDIA

Journal Jurnal Riset InformatikaJurnal Riset Informatika Abstract

Kebijakan pemerintah berupa stimulus dana sebesar Rp200 triliun kepada Bank Himpunan Bank Milik Negara (HIMBARA) merupakan langkah strategis untuk menjaga stabilitas ekonomi nasional dan mendorong pemulihan sektor riil. Namun, implementasi kebijakan publik tidak terlepas dari respons dan persepsi masyarakat yang berkembang di media sosial. Penelitian ini bertujuan untuk mengklasifikasikan sentimen masyarakat terhadap kebijakan stimulus dana Rp200 triliun ke Bank HIMBARA berdasarkan komentar pengguna Instagram serta menguji kinerja metode Naïve Bayes Classifier dalam analisis sentimen kebijakan publik. Penelitian ini menggunakan pendekatan kuantitatif dengan metode text mining dan machine learning. Data berupa 1.309 komentar Instagram dikumpulkan melalui teknik web scraping dari beberapa akun media daring, kemudian diproses melalui tahapan text preprocessing dan pelabelan manual menjadi sentimen positif, netral, dan negatif. Pembobotan fitur dilakukan menggunakan TF-IDF, selanjutnya data diklasifikasikan menggunakan Multinomial Naïve Bayes dan Complement Naïve Bayes. Hasil penelitian menunjukkan bahwa model Complement Naïve Bayes menghasilkan performa terbaik dengan akurasi sebesar 84%, nilai F1-score 81%, serta nilai ROC-AUC yang tinggi. Temuan ini menunjukkan bahwa mayoritas sentimen masyarakat terhadap kebijakan stimulus tersebut cenderung positif, serta metode Naïve Bayes efektif digunakan dalam analisis sentimen berbasis media sosial.

Conclusion

Hasil penelitian menunjukkan bahwa model Complement Naïve Bayes berhasil mencapai akurasi 84% dan F1-score 81%, yang menunjukkan efektivitas metode ini dalam mengklasifikasikan sentimen publik terhadap kebijakan stimulus Rp200 triliun.Mayoritas sentimen masyarakat terhadap kebijakan ini cenderung positif, meskipun masih ada sebagian kecil komentar negatif.Dengan demikian, metode Naïve Bayes dapat digunakan sebagai alat analisis sentimen yang akurat untuk kebijakan pemerintah berbasis media sosial.

Future Research

Penelitian lanjutan dapat mengembangkan model analisis sentimen dengan mempertimbangkan fitur paralinguistik seperti penggunaan huruf kapital, tanda seru, atau gaya penulisan yang mencerminkan emosi. Selain itu, pengembangan pendekatan deteksi sarkasme atau ironi dalam komentar publik dapat meningkatkan akurasi klasifikasi sentimen. Penelitian juga dapat memperluas dataset dengan memasukkan data dari platform media sosial lainnya, seperti Twitter atau Facebook, untuk memastikan generalisasi model yang lebih luas. Dengan memadukan teknik preprocessing yang lebih canggih, seperti normalisasi slang atau pengenalan emosi, model dapat lebih sensitif terhadap nuansa perasaan yang kompleks dalam komentar publik. Penelitian ini juga dapat menguji performa model pada skenario kelas yang sangat imbalanced dengan teknik resampling yang lebih efektif. Selain itu, eksplorasi fitur n-gram yang lebih panjang atau kombinasi fitur berbasis karakter dan kata dapat meningkatkan representasi konteks dalam analisis sentimen. Penggunaan metode deep learning, seperti LSTM atau Transformer, juga bisa menjadi arah penelitian lanjutan untuk menangani kompleksitas bahasa alami. Dengan membandingkan hasil model berbasis probabilistik seperti Naïve Bayes dengan model berbasis representasi embedding, peneliti dapat memahami kelebihan dan kelemahan masing-masing pendekatan. Penelitian lanjutan juga perlu mempertimbangkan dampak budaya lokal terhadap interpretasi sentimen, terutama dalam konteks politik dan ekonomi Indonesia. Akhirnya, pengembangan sistem otomatis untuk analisis sentimen real-time dapat membantu pemerintah dalam respons cepat terhadap opini publik.

References

1. Penerapan Algoritma Naive Bayes dalam Analisis Sentimen Ulasan Aplikasi KitaLulus di Google Play Store... doi.org/10.54914/jit.v11i1.1544Penerapan Algoritma Naive Bayes dalam Analisis Sentimen Ulasan Aplikasi KitaLulus di Google Play Store doi 10 54914 jit v11i1 1544
2. SENTIMENT CLASSIFICATION OF PUBLIC PERCEPTIONS ON RP200 TRILLION HIMBARA STIMULUS USING NAÏVE BAYES... doi.org/10.34288/jri.v8i2.500SENTIMENT CLASSIFICATION OF PUBLIC PERCEPTIONS ON RP200 TRILLION HIMBARA STIMULUS USING NAyaVE BAYES doi 10 34288 jri v8i2 500
3. PENERAPAN NLP (NATURAL LANGUAGE PROCESSING) DALAM ANALISIS SENTIMEN PENGGUNA TELEGRAM DI PLAYSTORE |... doi.org/10.36040/jati.v8i2.8469PENERAPAN NLP NATURAL LANGUAGE PROCESSING DALAM ANALISIS SENTIMEN PENGGUNA TELEGRAM DI PLAYSTORE doi 10 36040 jati v8i2 8469

Metadata

File size	4.27 MB
Pages	11
DMCA	Report