POLSRIPOLSRI

JTIMD: Jurnal Teknologi Informatika Multimedia DigitalJTIMD: Jurnal Teknologi Informatika Multimedia Digital

Kasus pengunduran diri seorang guru Pegawai Negeri Sipil (PNS) akibat lingkungan kerja yang tidak sehat atau toxic workplace menjadi sorotan publik dan ramai diperbincangkan di media sosial, memunculkan berbagai tanggapan dari masyarakat. Penelitian ini bertujuan untuk mengklasifikasikan sentimen masyarakat terhadap fenomena tersebut dengan menganalisis 1.000 komentar yang dikumpulkan secara manual dari tiga akun media sosial berita di Instagram. Komentar tersebut dilabeli secara manual oleh seorang ahli bahasa Indonesia menjadi dua kelas, yaitu 500 komentar positif dan 500 komentar negatif. Data dianalisis menggunakan metode Naive Bayes Classifier yang diawali dengan tahap text preprocessing, termasuk pembersihan teks, tokenisasi, stopword removal, dan stemming, kemudian dilanjutkan dengan pemberian bobot menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Model dikembangkan menggunakan bahasa pemrograman Python dengan library scikit-learn, dan dievaluasi menggunakan confusion matrix dengan rumus akurasi: (jumlah prediksi benar / total data) × 100%. Hasil pengujian menunjukkan bahwa model berhasil mencapai tingkat akurasi sebesar 93,81%, yang menunjukkan bahwa pendekatan klasifikasi ini efektif dalam mengidentifikasi sentimen publik. Temuan ini memberikan gambaran mendalam mengenai pandangan masyarakat terhadap isu pengunduran diri guru PNS akibat lingkungan kerja yang tidak kondusif serta menunjukkan potensi analisis sentimen sebagai alat untuk memahami opini publik dalam isu sosial.

000 komentar Instagram terkait pengunduran diri guru PNS akibat lingkungan kerja yang toxic, terdiri dari 500 komentar positif dan 500 komentar negatif.Data dikumpulkan dari tiga akun media sosial berita dan diberi label secara manual oleh seorang ahli bahasa Indonesia.Pengujian dilakukan menggunakan metode Naïve Bayes Classifier dengan skema pembagian data 80% untuk pelatihan dan 20% untuk pengujian.Hasil pengujian menunjukkan bahwa model ini mencapai akurasi sebesar 93,81%, precision 98,57%, recall 89,03%, dan F1-score 93,56%.Berdasarkan hasil tersebut, dapat disimpulkan bahwa metode Naïve Bayes Classifier memiliki tingkat keakuratan yang tinggi dalam mengklasifikasikan sentimen masyarakat terhadap fenomena pengunduran diri guru PNS karena lingkungan kerja yang toxic.

Penelitian lanjutan dapat mengeksplorasi algoritma machine learning lain seperti Support Vector Machine (SVM) atau Long Short-Term Memory (LSTM) untuk meningkatkan akurasi klasifikasi sentimen. Selain itu, analisis dapat diperluas ke platform media sosial lain seperti Twitter atau TikTok untuk membandingkan pola sentimen masyarakat. Penelitian juga bisa fokus pada faktor spesifik yang memengaruhi lingkungan kerja toxic, seperti kebijakan manajemen atau beban kerja, dengan menggabungkan data kualitatif dari wawancara guru PNS. Hal ini akan memberikan wawasan lebih dalam tentang penyebab utama pengunduran diri guru dan solusi yang mungkin.

  1. Klasifikasi Sentimen Masyarakat Terhadap Guru PNS yang Resign Karena Lingkungan Toxic Menggunakan Metode... doi.org/10.5281/zenodo.15573486Klasifikasi Sentimen Masyarakat Terhadap Guru PNS yang Resign Karena Lingkungan Toxic Menggunakan Metode doi 10 5281 zenodo 15573486
  2. Sentiment Analysis With Sarcasm Detection On Politician’s Instagram | Muhaddisi | IJCCS (Indonesian... journal.ugm.ac.id/ijccs/article/view/66375Sentiment Analysis With Sarcasm Detection On PoliticianAos Instagram Muhaddisi IJCCS Indonesian journal ugm ac ijccs article view 66375
  3. Analisis Sentimen Opini Masyarakat Terhadap Film Pada Platform Twitter Menggunakan Algoritma Naive Bayes... journal.literasisains.id/index.php/insologi/article/view/770Analisis Sentimen Opini Masyarakat Terhadap Film Pada Platform Twitter Menggunakan Algoritma Naive Bayes journal literasisains index php insologi article view 770
  4. Analisis Sentimen Berbasis Emoticon pada Komentar Instagram Bahasa Indonesia Menggunakan Naïve Bayes... doi.org/10.28932/jutisi.v7i3.4094Analisis Sentimen Berbasis Emoticon pada Komentar Instagram Bahasa Indonesia Menggunakan Nayve Bayes doi 10 28932 jutisi v7i3 4094
Read online
File size789.29 KB
Pages10
DMCAReport

Related /

ads-block-test