Analisis Sentimen Media Sosial Terhadap Calon Pilkada 2024 Dengan Metode Naïve Bayes
DOI:
https://doi.org/10.52436/1.jpti.610Kata Kunci:
Analisis Sentimen, Naïve Bayes, PilkadaAbstrak
Menjelang Pilkada Indonesia 2024, polarisasi politik dan sentimen masyarakat menjadi isu penting yang dianalisis melalui media sosial. Penelitian ini bertujuan untuk mengevaluasi metode Naïve Bayes dalam klasifikasi sentimen otomatis terhadap opini publik. Sebanyak 6.465 tweet dianalisis, terdiri dari 4.169 tweet positif dan 2.296 tweet negatif. Data diproses melalui tahapan preprocessing seperti pembersihan teks, tokenisasi, dan normalisasi. Klasifikasi dilakukan menggunakan tiga varian Naïve Bayes yaitu MultinomialNB, GaussianNB, dan BernoulliNB. Hasil menunjukkan bahwa MultinomialNB memiliki performa terbaik dengan akurasi 75%, recall 95%, dan F1-Score 84%, sangat efektif dalam mendeteksi sentimen positif. BernoulliNB mencatat akurasi 74% dengan F1-Score 81% untuk sentimen positif, meskipun performa pada sentimen negatif lebih rendah yaitu F1-Score 62%. Sebaliknya, GaussianNB menunjukkan performa terendah dengan akurasi 56%, yang kurang optimal untuk data teks diskrit. Dominasi data positif memengaruhi performa model, membuatnya lebih akurat pada kelas mayoritas. Penelitian ini menunjukkan potensi metode Naïve Bayes, khususnya MultinomialNB, untuk memantau opini publik secara real-time selama pemilu, sekaligus menjadi dasar pengembangan analisis sentimen berbasis data yang lebih baik.
Unduhan
Referensi
E. B. Satriawan, S. Hadi Wijoyo, and D. E. Ratnawati, “Analisis Sentimen Terhadap Pendapat Masyarakat Mengenai Pilkada 2024 Menggunakan Metode Support Vector Machine (SVM),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 1, no. 1, pp. 2548–964, 2024, [Online]. Available: http://j-ptiik.ub.ac.id
E. S. Romaito, M. K. Anam, Rahmaddeni, Ulfah, and A. Noviciate, “Dalam Analisa Sentimen Pilkada Pada Twitter,” pp. 169–179, 2021, [Online]. Available: https://doi.org/10.22303/csrid.13.3.2021.169-179
T. D. Putra, E. Utami, and M. P. Kurniawan, “Analisis Sentimen Pemilu 2024 dengan Naive Bayes Berbasis Particle Swarm Optimization (PSO),” Explore, vol. 13, no. 1, pp. 1–5, 2023, doi: 10.35200/ex.v11i2.13.
A. H. Hasugian, R. A. Putri, and M. A. Simatupang, “Penerapan Algoritma Klasifikasi Naïve Bayes Untuk Analisis Sentimen Tentang Pemindahan Ibu Kota Negara,” J. Sci. Soc. Res., vol. 4307, no. 2, pp. 635–644, 2024, [Online]. Available: http://jurnal.goretanpena.com/index.php/JSSR
Ernianti Hasibuan and Elmo Allistair Heriyanto, “Analisis Sentimen Pada Ulasan Aplikasi Amazon Shopping Di Google Play Store Menggunakan Naive Bayes Classifier,” J. Tek. dan Sci., vol. 1, no. 3, pp. 13–24, 2022, doi: 10.56127/jts.v1i3.434.
A. I. Tanggraeni and M. N. N. Sitokdana, “Analisis Sentimen Aplikasi E-Government pada Google Play Menggunakan Algoritma Naïve Bayes,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 9, no. 2, pp. 785–795, 2022, doi: 10.35957/jatisi.v9i2.1835.
K. Aulia and L. Amelia, “Analisis Sentimen Twitter Pada Isu Mental Health Dengan Algoritma Klasifikasi Naive Bayes,” Siliwangi J. (Seri Sains Teknol., vol. 6, no. 2, pp. 60–65, 2020.
N. L. Kurnianengsih and A. Erfina, “ANALISIS SENTIMEN TERHADAP PEMILIHAN KEPALA DAERAH SERENTAK 2024 MENGGUNAKAN ALGORITMA NAÏVE BAYES,” no. September, 2024.
F. M. Fajar and D. Maulina, “Analisis Sentimen Kurikulum Merdeka Dengan Penerapan Convolutional Neural Network,” JACIS J. Autom. Comput. Inf. Syst., vol. 4, no. 1, pp. 1–11, 2024, [Online]. Available: https://kurikulum.gtk.kemdikbud.go.id/
F. Rizal, A. Wijaya, and F. Hasyim, “Analisis Sentimen Masyarakat Indonesia Terhadap Aplikasi TikTok Menggunakan Algoritma Logistic Regression,” J. homepage AKIRATECH J. Comput. Electr. Eng., vol. 1, no. 2, pp. 57–65, 2024, [Online]. Available: https://journal.ajbnews.com/index.php/akiratech
A. Riskiyah, T. M. Fahrudin, K. M. Hindrayani, P. Studi, S. Data, and J. Timur, “ONLINE GOJEK MENGGUNAKAN ALGORITMA EXTREME,” vol. 5, no. 2, pp. 1273–1285, 2024.
A. Hendra and F. Fitriyani, “Analisis Sentimen Review Halodoc Menggunakan Nai ?ve Bayes Classifier,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 6, no. 2, pp. 78–89, 2021, doi: 10.14421/jiska.2021.6.2.78-89.
P. Pandunata, K. T. Winarno N, Y. Nurdiansyah, and N. El Maidah, “Analisis Sentimen Opini Publik Terhadap Program Vaksinasi Covid-19 Di Indonesia Pada Twitter Menggunakan Metode Naive Bayes Classifier,” INFORMAL Informatics J., vol. 7, no. 3, p. 246, 2022, doi: 10.19184/isj.v7i3.34930.
N. S. Wardani, A. Prahutama, and P. Kartikasari, “Analisis Sentimen Pemindahan Ibu Kota Negara Dengan Klasifikasi Naïve Bayes Untuk Model Bernoulli Dan Multinomial,” J. Gaussian, vol. 9, no. 3, pp. 237–246, 2020, doi: 10.14710/j.gauss.v9i3.27963.
R. Puspita and A. Widodo, “Perbandingan Metode KNN, Decision Tree, dan Naïve Bayes Terhadap Analisis Sentimen Pengguna Layanan BPJS,” J. Inform. Univ. Pamulang, vol. 5, no. 4, p. 646, 2021, doi: 10.32493/informatika.v5i4.7622.
R. A. Husen, R. Astuti, L. Marlia, R. Rahmaddeni, and L. Efrizoni, “Analisis Sentimen Opini Publik pada Twitter Terhadap Bank BSI Menggunakan Algoritma Machine Learning,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 3, no. 2, pp. 211–218, 2023, doi: 10.57152/malcom.v3i2.901.
