Analisa Sentimen Warganet Terhadap KTT G20 Bali Menggunakan Algoritma Naïve Bayes
Abstract
As an effort to evaluate the implementation of the G20 Bali High Level Conference (Summit) activities, it is appropriate for the Indonesian government to receive input from various parties, including analyzing public responses (sentiments) regarding the implementation of these activities, so that they can obtain input for improving similar activities in the future. This paper presents an analysis of the sentiments of Twitter users towards the implementation of the Bali G20 Summit. The analysis aims to classify community responses into positive and negative categories using the Naïve Bayes Classifier (NBC) algorithm. The analysis process was carried out by crawling Twitter data, preprocessing, classification using the Naïve Bayes algorithm, validating results, and evaluating. The results of the Naïve Bayes performance test show an accuracy value of 94.55%, 100% precision and 89.10% recall. These results are expected to be information supporting decisions for the government in making policies related to G20 cooperation in the future.
Keywords: High Level Conference; G20, Classification; Netizens' Responses; Twitter
Abstrak
Sebagai upaya mengevaluasi pelaksanaan kegiatan Konfrensi Tingkat Tingngi (KTT) G20 Bali, sudah selayaknya pemerintah Indonesia menerima masukan-masuk dari berbagai pihak, termasuk menganalisis tanggapan (sentimen) masyarakat mengenai pelaksanaan kegiatan tersebut, sehingga dapat memperoleh masukan untuk penyempurnaan kegiatan serupa di masa mendatang. Paper ini menyajikan analisa sentimen masyarakat pengguna Twitter terhadap pelaksanaan KTT G20 Bali. Analisa bertujuan untuk mengklasifikasikan tanggapan masyarakat ke dalam kategori positif dan negatif dengan menggunakan algoritme Naïve Bayes Classifier (NBC). Proses analisa dilakukan dengan tahapan crawling data twitter, Preprocessing, Klasifikasi menggunakan Algoritme Naïve Bayes, validasi hasil, dan evaluasi. Hasil pengujian kinerja Naïve Bayes menunjukkan nilai Accuracy sebesar 94,55%, precision 100%, dan recall 89,10%. Hasil ini diharapkan dapat menjadi informasi pendukung keputusan bagi pemerintah dalam mengambil kebijakan terkait kerjasama G20 dimasa yang akan datang.
Keywords
References
D. Gunawan, “Evaluasi Performa Pemecahan Database dengan Metode Klasifikasi Pada Data Preprocessing Data mining”. Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika, vol. 2, no. 1, pp. 10-13, 2016.
R.A. Cahdriyana, R. Richardo, “Berpikir komputasi dalam pembelajaran matematika”. LITERASI (Jurnal Ilmu Pendidikan), vol. 11, no. 1, pp. 50-56, 2020.
N. L. W. S. R. Ginantra, F.N. Arifah, A.H. Wijaya, R.S. Septarini, N. Ahmad, D. Ardiana, & E.S. Negara, “Data mining dan penerapan algoritma. Yayasan Kita Menulis, 2021.
J. Suntoro, Data Mining Algoritma dan Implementasi dengan Pemrograman PHP, Edisi I, Jakarta: Elex Media Komputindo, 2019
A. Harun, D.P. Ananda, “Analysis of public opinion sentiment about COVID-19 vaccination in Indonesia using Naïve Bayes and Decission Tree Analisa Sentimen opini publik tentang vaksinasi COVID-19 di Indonesia menggunakan Naïve Bayes dan Decission Tree”. Indones. J. Mach. Learn. Comput. Sci, vol. 1, pp. 58-63, 2021.
N.R. Wardani, A. Erfina, “Analisis Sentimen Masyarakat Terhadap Layanan Konsultasi Dokter Menggunakan Algoritma Naive Bayes. In Seminar Nasional Sistem Informasi dan Manajemen Informatika Universitas Nusa Putra, vol. 1, no. 1, pp. 11-18, 2021
Y.S. Mahardhika, E. Zuliarso, “Analisis Sentimen Terhadap Pemerintahan Joko Widodo Pada Media Sosial Twitter Menggunakan Algoritma Naives Bayes Classifier”. Prosiding SINTAK 2018, pp. 409-413, 2018
P.P.E. Indarbensyah, N. Rochmawati, “Penerapan N-Gram Menggunakan Algoritma Random Forest Dan Naïve Bayes Classifier Pada Analisis Sentimen Kebijakan PPKM 2021. J. Informatics Comput. Sci, vol. 2, no. 4, pp. 235-244, 2021.
M.S. Mustafa, M.R. Ramadhan, & A.P. Thenata, “Implementasi Data Mining untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier”. Creative Information Technology Journal, vol. 4, no. 2, pp. 151-162, 2018.
D. Darwis, N. Siskawati, & Z. Abidin, “Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Review Data Twitter Bmkg Nasional”. Jurnal Tekno Kompak, vol. 15, no. 1, pp. 131-145, 2021.
A. Damuri, U. Riyanto, H. Rusdianto, & M. Aminudin, “Implementasi Data Mining dengan Algoritma Naïve Bayes Untuk Klasifikasi Kelayakan Penerima Bantuan Sembako”. JURIKOM (Jurnal Riset Komputer), vol. 8, no. 6., pp. 219-225, 2021.
W.E. Nurjanah, R.S. Perdana, & M.A. Fauzi, “Analisis Sentimen Terhadap Tayangan Televisi Berdasarkan Opini Masyarakat pada Media Sosial Twitter menggunakan Metode K-Nearest Neighbor dan Pembobotan Jumlah Retweet”. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, pp. 1750-1757, 2017
F.F. Rachman, & S. Pramana, “Analisis Sentimen Pro dan Kontra Masyarakat Indonesia tentang Vaksin COVID-19 pada Media Sosial Twitter”. Indonesian of Health Information Management Journal (INOHIM), vol. 8, no. 2, pp. 100-109, 2020.
Sya'bani, M.R. Fais, U. Enri, & T.N. Padilah. "Analisis Sentimen Terhadap Bakal Calon Presiden 2024 Dengan Algoritme Naïve Bayes." JURIKOM (Jurnal Riset Komputer), vol. 9, no. 2, pp. 265-273, 2022.
Mimboro, Prasetyo. "Sentimen Twitter terhadap PILKADA kota Medan menggunakan metode Naive Bayes." JNANALOKA, vol. 3, no. 1, pp. 27-32, 2022.
Nurhazizah, Eva, R.N. Ichsan, & S. Widiyanesti, "Analisis Sentimen Dan Jaringan Sosial Pada Penyebaran Informasi Vaksinasi Di Twitter", J Swabumi, vol. 10, no. 1, pp. 24-35, 2022
A. Nugroho, “Analisis Sentimen Pada Media Sosial Twitter Menggunakan Naive Bayes Classifier Dengan Ekstrasi Fitur N-Gram”. J-SAKTI (Jurnal Sains Komputer dan Informatika), vol. 2, no. 2, pp. 200-209, 2018.
M. Muljono, D.P. Artanti, A. Syukur, & A. Prihandono, “Analisa Sentimen Untuk Penilaian Pelayanan Situs Belanja Online Menggunakan Algoritma Naïve Bayes”. Konferensi Nasional Sistem Informasi (KNSI) 2018, pp. 165-170, 2018.
How To Cite This :
Refbacks
- There are currently no refbacks.
