Analisis Sentimen Kasus Viral Hak Cuti Karyawan Mie Gacoan Medan Menggunakan Naive Bayes Classifier
DOI:
https://doi.org/10.62712/juktisi.v5i1.1201Keywords:
Analisis Sentimen, Naive Bayes Classifier, Media Sosial, Hak Cuti Karyawan, Text MiningAbstract
Kasus viral yang melibatkan karyawan berinisial DF di restoran Mie Gacoan Kecamatan Marelan, Kota Medan, Sumatera Utara memicu gelombang respon publik yang masif di Instagram dan Twitter/X. Karyawan tersebut mengajukan izin cuti pada 27 Maret 2026 untuk merawat orang tua yang sakit, namun diminta supervisornya segera mengajukan surat pengunduran diri disertai ancaman tidak akan diterima bekerja kembali di seluruh jaringan Mie Gacoan di Indonesia. Komentar pertama di media sosial tercatat pada 4 April 2026 dan puncak viral terjadi pada 6 April 2026 dengan 141 komentar dalam satu hari yang didominasi Twitter/X (130 komentar). Penelitian ini bertujuan mengklasifikasikan dan menganalisis sentimen publik terhadap kasus tersebut menggunakan algoritma Naive Bayes Classifier . Data dikumpulkan secara manual selama 34 hari (4 April–8 Mei 2026) sebanyak 500 komentar: 300 dari Instagram dan 200 dari Twitter/X. Preprocessing menggunakan perpustakaan PySastrawi meliputi pembersihan teks, case lipat , tokenisasi, stopword removal , dan stemming . Pelabelan sentimen menggunakan sistem skoring leksikon rentang -4,0 hingga +9,5 yang dikonversi menjadi tiga kelas: Positif (+1), Negatif (-1), dan Netral (0), dengan nilai Cohen's Kappa 0,82. Data dibagi 80:20 menjadi 400 data latih dan 100 data uji. Sentimen sebaran: 269 Netral (53,8%), 164 Negatif (32,8%), dan 67 Positif (13,4%). Model Naive Bayes dengan fitur TF-IDF mencapai akurasi 87,0% dengan F1-Score rata-rata tertimbang 86,8%.
Downloads
References
[1] T. Hidayat, M. J. Siddiq, S. Jayasri, A. Suhendi, dan R. Rizky, “Analisis Sentimen Opini Masyarakat Terhadap Pilkada 2024 Di Media Sosial Twitter Menggunakan Algoritma Naïve Bayes,” Jurnal Informatika dan Teknik Elektro Terapan (JITET), vol. 13, no. 2, hlm. 609–622, 2025.
[2] We Are Social dan Hootsuite, “Digital 2024: Indonesia,” DataReportal, Feb. 2024. [Online]. Tersedia: https://datareportal.com/reports/digital-2024-indonesia [Diakses: 1 Mei 2026].
[3] Klikanggaran, “Viral Chat Karyawan Mie Gacoan Medan Diminta Resign usai Ajukan Cuti Orang Tua Sakit, Supervisor Minta Maaf,” klikanggaran.com, 8 Apr. 2026. [Online]. Tersedia: https://www.klikanggaran.com/bisnis/11516968722 [Diakses: 15 Apr. 2026].
[4] Republik Indonesia, Undang-Undang Nomor 13 Tahun 2003 tentang Ketenagakerjaan, Pasal 79 ayat (2) huruf c. Lembaran Negara RI Tahun 2003 Nomor 39. Jakarta: Sekretariat Negara, 2003.
[5] D. A. Wulandari, R. R. Saedudin, dan R. Andreswari, “Analisis Sentimen Media Sosial Twitter Terhadap Reaksi Masyarakat pada RUU Cipta Kerja Menggunakan Metode Klasifikasi Algoritma Naive Bayes,” e-Proceeding of Engineering, vol. 8, no. 5, hlm. 9007–9016, Okt. 2021.
[6] N. Sucahyo, I. Kurniati, dan K. Harvit, “Analisis Sentimen Masyarakat Terhadap UU Cipta Kerja pada Media Sosial Twitter,” Jurnal Rekayasa Informasi Swadharma (JRIS), vol. 2, no. 1, hlm. 63–70, 2022.
[7] Z. Kurnia, A. M. Zakiyyah, N. Q. Fitriyah, dan A. M. Susetyo, “Analisis Sentimen Masyarakat Berdasarkan Komentar Kerja Sama TikTok Shop dan Tokopedia di Instagram Menggunakan Metode Naïve Bayes Classifier,” Jurnal Penelitian Teknologi Informasi dan Sains (JPTIS), vol. 1, no. 3, Jun. 2024.
[8] K. Anwar, “Analisa Sentimen Pengguna Instagram Di Indonesia Pada Review Smartphone Menggunakan Naive Bayes,” KLIK: Kajian Ilmiah Informatika dan Komputer, vol. 2, no. 4, hlm. 231–238, Feb. 2022.
[9] N. Helmiah, A. Ahmad, N. Nurhayati, dan T. Hermawan, “Penerapan Metode Naïve Bayes dalam Analisis Persepsi Masyarakat Mengenai Rencana Pengesahan RUU Omnibus Law di Bidang Investasi dan Ketenagakerjaan,” Jurnal MSA (Matematika dan Statistika serta Aplikasinya), vol. 8, no. 2, hlm. 48–57, 2020.
[10] J. R. Landis dan G. G. Koch, “The Measurement of Observer Agreement for Categorical Data,” Biometrics, vol. 33, no. 1, hlm. 159–174, Mar. 1977.
[11] C. D. Manning, P. Raghavan, dan H. Schütze, Introduction to Information Retrieval. Cambridge: Cambridge University Press, 2008.
[12] G. Salton dan C. Buckley, “Term-Weighting Approaches in Automatic Text Retrieval,” Information Processing and Management, vol. 24, no. 5, hlm. 513–523, 1988.
[13] M. Pittman dan B. Reich, “Social Media and Loneliness: Why an Instagram Picture May Be Worth More Than a Thousand Twitter Words,” Computers in Human Behavior, vol. 62, hlm. 155–167, 2016.
[14] B. Pang dan L. Lee, “Opinion Mining and Sentiment Analysis,” Foundations and Trends in Information Retrieval, vol. 2, no. 1–2, hlm. 1–135, 2008.
[15] W. Medhat, A. Hassan, dan H. Korashy, “Sentiment Analysis Algorithms and Applications: A Survey,” Ain Shams Engineering Journal, vol. 5, no. 4, hlm. 1093–1113, 2014.
[16] A. S. Cahyono, G. Wiranto, dan A. Nugroho, “Analisis Sentimen Kebijakan Ketenagakerjaan di Twitter Menggunakan Metode Support Vector Machine,” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 8, no. 2, hlm. 341–350, 2021.
[17] B. Liu, Sentiment Analysis and Opinion Mining. San Rafael: Morgan & Claypool Publishers, 2012.
[18] J. Cohen, “A Coefficient of Agreement for Nominal Scales,” Educational and Psychological Measurement, vol. 20, no. 1, hlm. 37–46, 1960.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 deswita
This work is licensed under a Creative Commons Attribution 4.0 International License.
