Analisis Sentimen Publik Pada Aplikasi X Terhadap Kenaikan UKT Di Indonesia Menggunakan Algoritma Naive Bayes
DOI:
https://doi.org/10.52436/1.jpti.675Kata Kunci:
analisis sentimen, google colab, kenaikan UKT, naive bayes, UKT mahalAbstrak
Pertumbuhan teknologi digital dan internet telah memungkinkan untuk memperoleh dan menyelesaikan berbagai tugas akademik dengan lebih cepat. Media sosial juga telah menjadi semakin penting sebagai platform untuk opini publik tentang berbagai topik, salah satunya adalah kebijakan perguruan tinggi terkait Uang Kuliah Tunggal (UKT). Kebijakan ini sering menjadi isu yang kontroversial jika itu berkaitan tentang kenaikan UKT. Permasalahan terhadap kenaikan UKT sering menjadi perhatian bagi orangtua maupun mahasiswa tersebut. Sehingga dibeberapa kalangan, kenaikan UKT dapat menjadi masalah bagi mereka. Analisis Sentimen Publik adalah langkah yang tepat untuk menghitung tingkat opini positif dan negatif terkait isu kenaikan UKT. Dengan tujuan untuk mengukur sentimen publik terhadap kenaikan UKT algoritma Naive Bayes. Penelitian ini menggunakan data yang bersumber dari aplikasi X (Twitter) yang di crawling menggunakan Google Colab dengan jumlah data yaitu 1390 dan juga menggunakan metode Naive Bayes sebagai penyelesaian masalah. Hasil yang diperoleh setelah melakukan penelitian yaitu terdapat sebanyak 457 komentar negatif dan 933 komentar positif, kemudian untuk hasil evaluasi model diperoleh skor F-1 sebesar 0,82 atau 82%, akurasi sebesar 0,748 atau 74,8%, presisi sebesar 0,81 atau 81%, dan recall sebesar 0,84 atau 84%. Diharapkan kedepannya, penelitian ini mampu memberikan evaluasi kembali terhadap kementrian pendidikan apakah kenaikan UKT ini layak atau tidak untuk diperdayakan.
Unduhan
Referensi
K. K. Nasution, I. Zufria dan M. Fakhriza, “SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN KELAYAKAN KREDIT USAHA RAKYAT DENGAN MENGGUNAKAN METODE SAW & TOPSIS,” JURNAL RESPONSIF, vol. 6, no. 1, pp. 143-154, 2024.
J. W. Iskandar dan Y. Nataliani, “Perbandingan Naïve Bayes, SVM dan k-NN untuk Analisis Sentimen Gadget Berbasis Aspek,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 6, pp. 1120-1126, 2021.
S. D. Prasetyo, S. S. Hilabi dan F. Nurapriani, “Analisis Sentimen Relokasi Ibukota Nusantara Menggunakan Algoritma Naïve Bayes dan KNN,” Jurnal KomtekInfo, vol. 10, no. 1, pp. 1-7, 2023.
N. L. P. Merawati, A. Z. Amrullah dan Ismarmiaty, “Analisis Sentimen dan Pemodelan Topik Pariwisata Lombok Menggunakan Algoritma Naive Bayes dan Latent Dirichlet Allocation,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 1, pp. 123-131, 2021.
A. H. Hasugian, R. A. Putri dan M. A. Simatupang, “PENERAPAN ALGORITMA KLASIFIKASI NAÏVE BAYES UNTUK ANALISIS SENTIMEN TENTANG PEMINDAHAN IBU KOTA NEGARA,” Journal of Science and Social Research, vol. 7, no. 2, pp. 635-644, 2024.
S. Z. Rozaan, M. R. Andrianto, R. S. Purnama, N. I. Ramadhan, W. P. Widyadhana dan R. B, “Analisis Sentimen terhadap Kenaikan UKT di Indonesia pasca Terpilihnya Capres 02 menggunakan VADER,” Seminar Nasional Informatika Bela Negara (SANTIKA), vol. 4, pp. 88-92, 2024.
A. C. N. Rosyadi, K. R. Leonida, M. Athoillah dan H. B. Rohmanto, “ANALISIS SENTIMEN DI TWITTER TERHADAP KENAIKAN UANG KULIAH TUNGGAL MENGGUNAKAN ARTIFICIAL NEURAL NETWORK (ANN),” SEMINAR NASIONAL HASIL RISET DAN PENGABDIAN, pp. 25-31, 2024.
A. Z. Syahputri, F. D. Fallenia dan R. Syafitri, “Kerangka Berfikir Penelitian Kuantitatif,” Tarbiyah : Jurnal Ilmu Pendidikan dan Pengajaran, vol. 2, no. 1, pp. 160-166, 2023.
Z. Yusra, R. Zulkarnain dan Sofino, “PENGELOLAAN LKP PADA MASA PENDMIK COVID-19,” Journal Of Lifelong Learning, vol. 4, no. 1, pp. 15-22, 2021.
F. Alghifari dan D. Juardi, “Penerapan Data Mining Pada Penjualan Makanan Dan Minuman Menggunakan Metode Algoritma Naïve Bayes,” Jurnal Ilmiah Informatika (JIF), vol. 9, no. 2, pp. 76-81, 2021.
M. U. Albab, Y. Karuniawati dan M. N. Fawaiq, “Optimization of the Stemming Technique on Text preprocessing President 3 Periods Topic,” Jurnal TRANSFORMATIKA, vol. 20, no. 2, pp. 1-10, 2023.
W. Wahyuni, “Analisis Sentimen terhadap Opini Feminisme Menggunakan Metode Naive Bayes,” Jurnal Informatika Ekonomi Bisnis, vol. 4, no. 4, pp. 148-153, 2022.
E. Martantoh dan N. Yanih, “Implementasi Metode Naïve Bayes Untuk Klasifikasi Karakteristik Kepribadiaan Siswa Di Sekolah MTS Darussa’adah Menggunakan PHP MySQL,” JTSI, vol. 3, no. 2, pp. 166-175, 2022.
M. I. Ghozali, W. H. Sugiharto dan A. F. Iskandar, “Analisis Sentimen Pinjaman Online Di Media Sosial Twitter Menggunakan Metode Naive Bayes,” KLIK: Kajian Ilmiah Informatika dan Komputer, vol. 3, no. 6, pp. 1340-1348, 2023.
R. Saputra dan N. Hasan F, “Analisis Sentimen Terhadap Program Makan Siang & Susu Gratis Menggunakan Algoritma Naive Bayes,” Jurnal Teknologi dan Sistem Informasi Bisnis (JTeksis), vol. 6, no. 3, pp. 411-419, 2024.
N. S. Fauzia dan R. D. Dana, “Implementasi Algoritma Naive bayes dalam Klasifikasi Status Kesejahteraan Masyarakat Desa Gunung Sari,” Jurnal Blend Sains, vol. 1, no. 4, pp. 295-305, 2023.
