Klasifikasi Sentiment Analysis Terhadap Usulan KB Vasektomi Syarat Penerima BANSOS dengan Metode Naive Bayes
Penulis
-
Rahma Lubis
Universitas Nusa Mandiri
-
Sita Anggraeni
Universitas Nusa Mandiri
DOI:
https://doi.org/10.62712/juktisi.v4i3.631Abstrak
Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap usulan kebijakan vasektomi sebagai syarat penerima bantuan sosial (BANSOS) yang dikemukakan oleh Gubernur Jawa Barat. Data penelitian diperoleh dari platform media sosial X pada periode 29 April - 31 Juli 2025 sebanyak 848 tweet. Metode yang digunakan meliputi tahapan preprocessing data (case folding, cleaning, normalisasi, tokenisasi, stopword removal, stemming), pelabelan sentimen, pembobotan dengan TF-IDF, serta feature selection menggunakan uji Chi-Square. Untuk mengatasi ketidakseimbangan kelas, dilakukan oversampling dengan metode SMOTE. Algoritma yang digunakan dalam klasifikasi adalah Multinomial Naïve Bayes. Hasil penelitian menunjukkan bahwa mayoritas sentimen masyarakat bersifat positif dengan persentase 76,03%, sedangkan sentimen negatif sebesar 23,97%. Model Naïve Bayes menghasilkan akurasi sebesar 83%, presisi 0,83 untuk kelas negatif dan 0,85 untuk kelas positif, recall 0,85 untuk kelas negatif dan 0,82 untuk kelas positif, serta F1-score masing-masing 0,84 dan 0,83. Temuan ini membuktikan bahwa algoritma Naïve Bayes efektif digunakan untuk analisis sentimen terkait kebijakan publik di media sosial.
Unduhan
Referensi
S. Yusran and Z. Larisu, “Jurnal Kendari Kesehatan Masyarakat ( JKKM ) Vol . 1 No . 2 Tahun 2022 Pengaruh Efektivitas Penyuluhan dan Pelayanan KB Gratis terhadap Penerimaan Kontrasepsi Vasektomi pada PUS di Kota Kendari Jurnal Kendari Kesehatan Masyarakat ( JKKM ) Vol . 1 No . 2 T,” vol. 1, no. 2, pp. 48–58, 2022.
D. Rahmawati and R. E. Ariningtyas, “Faktor Yang Mempengaruhi Kesediaan Suami Sebagai Akseptor Vasektomi,” vol. 15, no. 1, pp. 26–30, 2025.
Z. A. Kahfilani, M. Umar, A. Ghazali, and D. Muntazhar, “Penggunaan Kontrasepsi Vasektomi : Kesehatan , Agama , dan Keharmonisan Rumah Tangga,” vol. 1, no. 2.
T. C. Herdiyani and A. U. Zailani, “Sentiment Analysis Terkait Pemindahan Ibu Kota Indonesia Menggunakan Metode Random Forest Berdasarkan Tweet Warga Negara Indonesia,” J. Teknol. Sist. Inf., vol. 3, no. 2, pp. 154–165, 2022, doi: 10.35957/jtsi.v3i2.2920.
F. V. Sari and A. Wibowo, “Analisis Sentimen Pelanggan Toko Online Jd.Id Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi,” J. SIMETRIS, vol. 10, no. 2, pp. 681–686, 2020.
S. K. M.Kom, Ahmad Fauzi and S. K. M.Kom, Agus Heri Yunial, ANALISIS SENTIMEN (Sentiment Analysis): Evaluasi Sentimen Layanan Dataset Twitter US Airline. Sleman: CV Bintang Semesta Media, 2024. [Online]. Available: https://www.google.co.id/books/edition/Analisis_Sentimen_Sentiment_Analysis/dgoREQAAQBAJ?hl=id&gbpv=1&dq=sentimen&pg=PA12&printsec=frontcover
A. Sitanggang, Y. Umaidah, Y. Umaidah, R. I. Adam, and R. I. Adam, “Analisis Sentimen Masyarakat Terhadap Program Makan Siang Gratis Pada Media Sosial X Menggunakan Algoritma Naïve Bayes,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3, 2024, doi: 10.23960/jitet.v12i3.4902.
F. Romadoni, Y. Umaidah, and B. N. Sari, “Text Mining Untuk Analisis Sentimen Pelanggan Terhadap Layanan Uang Elektronik Menggunakan Algoritma Support Vector Machine,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 9, no. 2, pp. 247–253, 2020, doi: 10.32736/sisfokom.v9i2.903.
E. Salim and A. Solichin, “Analisis Sentimen Pada Media Sosial Twitter Terhadap Pelayanan Dinas Kependudukan Dan Pencatatan Sipil Menggunakan Algoritma Naïve Bayes,” IDEALIS Indones. J. Inf. Syst., vol. 5, no. 2, pp. 79–86, 2022, doi: 10.36080/idealis.v5i2.2961.
Fuad Amirullah, Syariful Alam, and M.Imam Sulistyo S, “Analisis Sentimen Terhadap Kinerja KPU Menjelang Pemilu 2024 Berdasarkan Opini Twitter Menggunakan Naïve Bayes,” STORAGE J. Ilm. Tek. dan Ilmu Komput., vol. 2, no. 3, pp. 69–76, 2023, doi: 10.55123/storage.v2i3.2293.
A. Munawaroh, R. Ridhoi, and R. Rudiman, “Sentiment Analysis Dengan Naïve Bayes Berbasis Orange Terhadap Resiko Pembangunan Ikn,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 587–592, 2024, doi: 10.36040/jati.v8i1.8454.
A. N. Puspitasari, Y. Findawati, and Y. Rahmawati, “ANALISIS SENTIMEN TWEET PENGGUNA E-COMMERCE DENGAN MENGGUNAKAN METODE KLASIFIKASI NAÏVE BAYES,” vol. 9, no. 3, pp. 1123–1132, 2024.
R. K. Septiani, S. Anggraeni, and S. D. Saraswati, “Klasifikasi Sentimen Terhadap Ibu Kota Nusantara (IKN) pada Media Sosial Menggunakan Naive Bayes,” Tek. J. Ilm. Bid. Ilmu Rekayasa, vol. 16, no. 2, pp. 245–254, 2022, [Online]. Available: https://jurnal.polsri.ac.id/index.php/teknika/article/view/4875
Syahril Dwi Prasetyo, Shofa Shofiah Hilabi, and Fitri Nurapriani, “Analisis Sentimen Relokasi Ibukota Nusantara Menggunakan Algoritma Naïve Bayes dan KNN,” J. KomtekInfo, vol. 10, pp. 1–7, 2023, doi: 10.35134/komtekinfo.v10i1.330.
S. . MMSI, Yessy Asri, D. D. D. K. M.Kom, S. K. M.Kom, Listra Frigia Missianes Horhoruw, and S. A. R. ST, MACHINE LEARNING & DEEP LEARNING : Analisis Sentimen Menggunakan Ulasan Pengguna Aplikasi. Ponorogo: Uwais Inspirasi Indonesia, 2024. [Online]. Available: https://www.google.co.id/books/edition/MACHINE_LEARNING_DEEP_LEARNING_Analisis/Yu7uEAAAQBAJ?hl=id&gbpv=1&dq=sentimen&pg=PA64&printsec=frontcover
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Rahma Lubis, Sita Anggraeni
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
