HOSTJOURNALSHOSTJOURNALS

Bulletin of Computer Science ResearchBulletin of Computer Science Research

Abstrak−Penelitian ini bertujuan untuk menganalisis opini publik terhadap kebijakan pembatasan penggunaan bahan bakar jenis Pertalite, dengan menganalisis komentar warganet dari platform Instagram. Untuk mengelompokkan opini tersebut, digunakan pendekatan klasifikasi berbasis algoritma K-Nearest Neighbor (KNN) dan Random Forest. Komentar dikategorikan ke dalam tiga bentuk ekspresi sentimen, yaitu positif, negatif, maupun bersifat netral. Adapun tahapan penelitian meliputi pengumpulan data (crawling), pembersihan dan normalisasi data teks, proses pelabelan sentimen, pembobotan menggunakan teknik TF-IDF, pembangunan model klasifikasi, hingga evaluasi kinerja model yang dihasilkan. Data yang digunakan berjumlah 3.081 komentar, dengan 1.000 data dilabeli oleh pakar bahasa sebagai data latih dan sisanya digunakan untuk pengujian. Evaluasi model dilakukan dengan menggunakan dua rasio pembagian data, yaitu 80:20 dan 70:30, untuk menilai stabilitas dan akurasi klasifikasi. Hasil menunjukkan bahwa algoritma Random Forest secara konsisten unggul dibandingkan KNN, dengan akurasi tertinggi sebesar 73% pada skenario 80:20. Distribusi klasifikasi mengindikasikan dominasi sentimen negatif dalam opini publik terhadap kebijakan tersebut. Temuan ini mencerminkan adanya ketidakpuasan masyarakat dan menjadi masukan penting bagi pemerintah dalam mengevaluasi kebijakan distribusi BBM bersubsidi. Penelitian ini juga menunjukkan potensi media sosial sebagai sumber data alternatif dalam menilai persepsi publik secara real-time berbasis data.

Studi ini berhasil merancang dan menguji model analisis sentimen terkait kebijakan pembatasan BBM jenis Pertalite dengan data komentar Instagram dan algoritma Random Forest serta K-Nearest Neighbor (KNN).Random Forest menunjukkan performa lebih baik dengan akurasi 73% pada rasio 80.Mayoritas opini masyarakat bersifat negatif, menunjukkan ketidakpuasan terhadap kebijakan tersebut.Keterbatasan penelitian meliputi ketidakseimbangan data antar kategori sentimen, dominasi satu platform media sosial, dan klasifikasi sentimen positif/netral yang kurang optimal.Untuk riset selanjutnya, diperlukan perluasan data ke berbagai platform dan rentang waktu yang lebih luas, serta penerapan algoritma kompleks untuk hasil analisis yang lebih akurat.

1. Mengembangkan penelitian dengan menggabungkan data dari berbagai platform media sosial untuk mendapatkan perspektif lebih luas tentang opini publik. 2. Menerapkan teknik penyeimbangan data seperti SMOTE atau algoritma cost-sensitive untuk meningkatkan akurasi klasifikasi pada kategori minoritas. 3. Menjajaki penggunaan algoritma lain seperti LSTM atau BERT untuk meningkatkan kemampuan model dalam memahami konteks dan nuansa sentimen positif serta netral.

  1. PERBANDINGAN ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR PADA ANALISIS SENTIMEN ULASAN APLIKASI... ejournal.itn.ac.id/index.php/jati/article/view/7801PERBANDINGAN ALGORITMA NAyaVE BAYES DAN K NEAREST NEIGHBOR PADA ANALISIS SENTIMEN ULASAN APLIKASI ejournal itn ac index php jati article view 7801
  2. Perbandingan Algoritma Support Vector Machine dan Random Forest untuk Analisis Sentimen Terhadap Kebijakan... doi.org/10.35870/jtik.v8i1.1202Perbandingan Algoritma Support Vector Machine dan Random Forest untuk Analisis Sentimen Terhadap Kebijakan doi 10 35870 jtik v8i1 1202
  3. Vol. 3 No. 1 (2024): JURNAL KESEHATAN, SAINS, DAN TEKNOLOGI (JAKASAKTI) | JURNAL KESEHATAN, SAINS, DAN... doi.org/10.36002/js.v3i1Vol 3 No 1 2024 JURNAL KESEHATAN SAINS DAN TEKNOLOGI JAKASAKTI JURNAL KESEHATAN SAINS DAN doi 10 36002 js v3i1
  4. Analisis Sentimen Masyarakat Terhadap Sistem Pembayaran Mypertamina dengan Metode Random Forest, SVM,... doi.org/10.33096/linier.v1i1.2269Analisis Sentimen Masyarakat Terhadap Sistem Pembayaran Mypertamina dengan Metode Random Forest SVM doi 10 33096 linier v1i1 2269
Read online
File size899.54 KB
Pages13
DMCAReport

Related /

ads-block-test