POLSRIPOLSRI
JTIMD: Jurnal Teknologi Informatika Multimedia DigitalJTIMD: Jurnal Teknologi Informatika Multimedia DigitalKasus 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.
- 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
- 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
- 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
- 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
| File size | 789.29 KB |
| Pages | 10 |
| DMCA | Report |
Related /
IKMIIKMI Hasil analisis menunjukkan bahwa tren publikasi penelitian meningkat secara signifikan dari tahun 2020 hingga 2024, kemudian menurun pada tahun 2025 karenaHasil analisis menunjukkan bahwa tren publikasi penelitian meningkat secara signifikan dari tahun 2020 hingga 2024, kemudian menurun pada tahun 2025 karena
NURISNURIS Penelitian ini bertujuan menganalisis sentimen masyarakat menggunakan metode Adaptive Neuro-Fuzzy Inference System (ANFIS) agar perbedaan sentimen positifPenelitian ini bertujuan menganalisis sentimen masyarakat menggunakan metode Adaptive Neuro-Fuzzy Inference System (ANFIS) agar perbedaan sentimen positif
UNITOMOUNITOMO Penelitian ini menunjukkan bahwa melakukan normalisasi kata pada metode Naïve Bayes Classifier dan K-Nearest Neighbor menghasilkan akurasi yang lebihPenelitian ini menunjukkan bahwa melakukan normalisasi kata pada metode Naïve Bayes Classifier dan K-Nearest Neighbor menghasilkan akurasi yang lebih
PLBPLB Penelitian ini menggunakan dataset sebanyak 100.002 ulasan yang diambil dari kaggle dan dilabeli secara otomatis berdasarkan rating positif, netral danPenelitian ini menggunakan dataset sebanyak 100.002 ulasan yang diambil dari kaggle dan dilabeli secara otomatis berdasarkan rating positif, netral dan
STMIK DCISTMIK DCI Penelitian ini berhasil mengembangkan model klasifikasi sentimen berbasis Naive Bayes yang dapat mengidentifikasi opini publik pada platform media sosialPenelitian ini berhasil mengembangkan model klasifikasi sentimen berbasis Naive Bayes yang dapat mengidentifikasi opini publik pada platform media sosial
UMPPUMPP Model SVM menunjukkan tingkat akurasi sebesar 84%, dengan precision 28%, recall 33%, dan F1-score 30%. Penelitian ini menunjukkan bahwa mayoritas sentimenModel SVM menunjukkan tingkat akurasi sebesar 84%, dengan precision 28%, recall 33%, dan F1-score 30%. Penelitian ini menunjukkan bahwa mayoritas sentimen
UNAMAUNAMA Pola ini menggambarkan penggunaan tagar tersebut sebagai bentuk ekspresi kritik dan ketidakpuasan publik terhadap dinamika sosial dan politik di Indonesia.Pola ini menggambarkan penggunaan tagar tersebut sebagai bentuk ekspresi kritik dan ketidakpuasan publik terhadap dinamika sosial dan politik di Indonesia.
ITKITK Data yang digunakan diambil melalui Twitter dengan 1594 tweet, dibagi menjadi data pelatihan (90%) dan data pengujian (10%). Hasil analisis sentimen menunjukkanData yang digunakan diambil melalui Twitter dengan 1594 tweet, dibagi menjadi data pelatihan (90%) dan data pengujian (10%). Hasil analisis sentimen menunjukkan
Useful /
POLSRIPOLSRI Autentikasi Hotspot menggunakan RADIUS Server dapat memfilter user yang tidak terdaftar di server untuk masuk ke dalam jaringan. Autentikasi ini juga menggunakanAutentikasi Hotspot menggunakan RADIUS Server dapat memfilter user yang tidak terdaftar di server untuk masuk ke dalam jaringan. Autentikasi ini juga menggunakan
LINKPUBLINKPUB Gejala ini dapat memicu perilaku agresif dan kecenderungan isolasi sosial. Pendekatan non-farmakologis seperti art therapy dinilai bermanfaat dalam membantuGejala ini dapat memicu perilaku agresif dan kecenderungan isolasi sosial. Pendekatan non-farmakologis seperti art therapy dinilai bermanfaat dalam membantu
LINKPUBLINKPUB Ada penurunan tingkat kecemasan setelah diberikan terapi relaksasi benson. Terapi relaksasi Benson dapat dilakukan sebelum atau selama proses hemodialisisAda penurunan tingkat kecemasan setelah diberikan terapi relaksasi benson. Terapi relaksasi Benson dapat dilakukan sebelum atau selama proses hemodialisis
WPCPUBLISHERWPCPUBLISHER Pengaruh Kurang Energi Kronik KEK dan Anemia Saat Kehamilan Terhadap Berat Badan Bayi Baru Lahir di Puskesmas Sapala. Pendahuluan: Pada masa kehamilan,Pengaruh Kurang Energi Kronik KEK dan Anemia Saat Kehamilan Terhadap Berat Badan Bayi Baru Lahir di Puskesmas Sapala. Pendahuluan: Pada masa kehamilan,