PENINGKATAN MODEL ANALISIS SENTIMEN MELALUI ALGORITMA NAIVE BAYES BERDASARKAN DATA KOMENTAR YOUTUBE
DOI:
https://doi.org/10.36595/misi.v8i1.1413Keywords:
Analisis Sentimen, Naïve Bayes, Kebijakan BBM Bersubsidi, QR Code BBM, Komentar YoutubeAbstract
Penerapan kebijakan subsidi Bahan Bakar Minyak (BBM) berbasis QR Code untuk kendaraan roda empat, yang dimulai pada 1 Oktober 2024, telah memunculkan berbagai tanggapan dari masyarakat. Kebijakan ini bertujuan untuk memastikan distribusi BBM bersubsidi lebih tepat sasaran, namun menghadapi kritik terutama terkait kompleksitas proses pendaftaran QR Code dan pembatasan kriteria kendaraan yang memenuhi syarat. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap kebijakan tersebut dengan menggunakan data komentar dari video YouTube berjudul "Simak! Aturan Baru Kriteria Penggunaan BBM Bersubsidi - SIP 02/09" yang diunggah pada kanal YouTube Seputar iNews RCTI. Metode yang digunakan adalah analisis sentimen berbasis algoritma Naive Bayes. Proses preprocessing data mencakup pembersihan teks, tokenisasi, penghilangan stopwords, dan stemming untuk memastikan data yang dianalisis bersih dan terstruktur. Dataset dibagi menjadi data pelatihan (70%) dan data uji (30%) untuk membangun serta mengevaluasi model. Model menunjukkan akurasi sebesar 79,40%, dengan performa yang lebih baik dalam mengenali sentimen negatif dibandingkan positif. Hasil penelitian menunjukkan bahwa mayoritas komentar memiliki sentimen negatif, mencerminkan ketidakpuasan masyarakat terhadap kebijakan ini. Penelitian ini menyoroti pentingnya strategi komunikasi yang lebih efektif dari pemerintah untuk meningkatkan pemahaman dan penerimaan masyarakat terhadap kebijakan yang diimplementasikan. Selain itu, hasil penelitian ini juga membuka peluang untuk pengembangan lebih lanjut dalam pemanfaatan analisis sentimen berbasis komputasi untuk mendukung pengambilan keputusan dalam studi kebijakan publik.
Downloads
References
M. Taufik Sugandi, Martanto, and U. Hayati, “Analisis Sentimen Komentar Pengguna Youtube terhadap Kebijakan Baru Badan Penyelenggara Jaminan Kesehatan Sosial Menggunakan Naïve Bayes,” J. Inform. dan Rekayasa Perangkat Lunak, vol. 6, no. 1, pp. 218–227, 2024.
R. Situmorang, U. M. Husni Tamyis, and L. S. Andar Muni, “Analisis Sentimen Destinasi Wisata Di Jawabarat Pada Twitter Menggunakan Algoritma Naive Bayes Classifier,” Simtek J. Sist. Inf. dan Tek. Komput., vol. 8, no. 2, pp. 339–342, 2023, doi: 10.51876/simtek.v8i2.287.
Ardiansyah and Nur’aini, “Implementasi Analisis Sentimen Masyarakat Mengenai Kenaikan Harga Bbm Dengan Metode Naive Bayes,” J. Inf. Syst. Informatics Eng., vol. 8, no. 1, pp. 1–9, 2024, [Online]. Available: https://doi.org/10.35145/joisie.v8i1.3838
N. Basedt, E. Supriyadi, and A. S. Nugroho, “Perbandingan Algoritma Klasifikasi dalam Analisis Sentimen Opini Masyarakat tentang Kenaikan Harga Bbm,” Joined J. (Journal Informatics Educ., vol. 6, no. 2, p. 219, 2024, doi: 10.31331/joined.v6i2.2893.
R. Rahmadani, A. Rahim, and R. Rudiman, “Analisis Sentimen Ulasan ‘Ojol the Game’ Di Google Play Store Menggunakan Algoritma Naive Bayes Dan Model Ekstraksi Fitur Tf-Idf Untuk Meningkatkan Kualitas Game,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3, 2024, doi: 10.23960/jitet.v12i3.4988.
J. Muliawan and E. Dazki, “Analisis Sentimen Pemindahan Ibu Kota Negara Indonesia Menggunakan Tiga Algoritma: Naïve Bayes, Knn, Dan Random Forest,” J. Tek. Inform., vol. 4, no. 5, pp. 1227–1236, 2023, doi: 10.52436/1.jutif.2023.4.5.1436.
Widia, Z. Y. Aqsalia, S. Sari, N. U. Khoirunisa, and F. Kurniawan, “Optimasi Algoritma Naive Bayes Untuk Menganalisis Sentimen Pada Konten Pemindahan Ibu Kota di Youtube,” J. Comput. Inf. Syst. Ampera, vol. 5, no. 2, pp. 68–83, 2024.
I. Afdhal, R. Kurniawan, I. Iskandar, R. Salambue, E. Budianita, and F. Syafria, “Penerapan Algoritma Random Forest Untuk Analisis Sentimen Komentar Di YouTube Tentang Islamofobia,” J. Nas. Komputasi dan Teknol. Inf., vol. 5, no. 1, pp. 122–130, 2022, [Online]. Available: http://ojs.serambimekkah.ac.id/jnkti/article/view/4004/pdf
M. T. Nitamia and H. Februariyanti, “Analisis Sentimen Ulasan Ekpedisi J&T Expres Menggunakan Algoritma Naive Bayes,” J. Manaj. Inform. Sist. Inf., vol. 5, no. 1, pp. 20–29, 2022.
F. Meila, A. Sofyan, N. Sulistiyowati, and A. Voutama, “ANALISIS SENTIMEN TERHADAP RESPON PERUBAHAN NAMA TWITTER MENJADI ‘ X ’ MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER,” vol. 8, no. 5, pp. 10987–10994, 2024.
A. Rifa’I, R. Ardhani, D. Pratama, and F. Fatihanursari, “Analisis Sentimen Terhadap Layanan Aplikasi Grab Indonesia Menggunakan Metode Naïve Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 303–309, 2024, doi: 10.36040/jati.v8i1.8425.
H. Hajaroh, T. Suprapti, and R. Narasati, “Implementasi Algoritma Naive Bayes Untuk Analisis Sentimen Ulasan Produk Makanan Dan Minuman Di Tokopedia,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 111–118, 2024, doi: 10.36040/jati.v8i1.8237.
R. Fansuri, E. Tohidi, E. Wahyudin, K. Kaslani, and I. Iin, “Analisis Pola Transaksi Pembelian Pada Bisnis Food and Beverage Menggunakan Algoritma Fp-Growth,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 203–208, 2024, doi: 10.36040/jati.v8i1.8293.
Wartumi, R. Kurniawan, and A. Y. Wijaya, “Analisis Data Sentimen Ulasan Pengguna Aplikasi Shopee di Google Play Store dengan Klasifikasi Algoritma Naïve Bayes,” J. Inform. dan Rekayasa Perangkat Lunak, vol. 6, no. 1, pp. 164–170, 2024.
M. Melia, B. Irawan, and O. Nurdiawan, “Analisis Sentimen Terhadap Pengguna Gojek Dan Grab Pada Media Sosial Twitter Menggunakan Random Forest,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 5, pp. 3614–3618, 2024, doi: 10.36040/jati.v7i5.7694.
M. K. Insan, U. Hayati, and O. Nurdiawan, “Analisis Sentimen Aplikasi Brimo Pada Ulasan Pengguna Di,” J. Mhs. Tek. Inform., vol. 7, no. 1, pp. 478–483, 2023.
A. Erfina and N. Resti Wardani, “Analisis Sentimen Perguruan Tinggi Termewah Di Indonesia Menurut Ulasan Google Maps Menggunakan Support Vector Machine (Svm),” J. Manaj. Inform. Sist. Inf., vol. 5, pp. 77–85, 2022.
T. Ridwansyah, “Implementasi Text Mining Terhadap Analisis Sentimen Masyarakat Dunia Di Twitter Terhadap Kota Medan Menggunakan K-Fold Cross Validation Dan Naïve Bayes Classifier,” KLIK Kaji. Ilm. Inform. dan Komput., vol. 2, no. 5, pp. 178–185, 2022, doi: 10.30865/klik.v2i5.362.
K. A. Padhana and M. Sadikin, “Analisis Sentimen Masyarakat Terhadap Kondisi Perekonomian di Indonesia Pada Masa Pandemi 2020,” J. Ilmu Tek. dan Komput., vol. 5, no. 2, pp. 268–277, 2021.
REFERENSI:
“CNN Indonesia,” Agustus 2024. [Online]. Available: https://www.cnnindonesia.com/ekonomi/20240827164219-85-1138155/bahlil-dpr-sepakat-patok-kuota-bbm-subsidi-1941-juta-kl-di-2025.
Downloads
Additional Files
Published
How to Cite
Issue
Section
License
Semua tulisan pada jurnal ini menjadi tanggungjawab penuh penulis.
