Analisis Sentimen di Media Sosial X tentang IKN dengan Naïve Bayes

Gilang Mario Conroy Paridy Man; Alfry Aristo Jansen Sinlae; Emerensiana Ngaga

doi:10.33795/jip.v11i4.7246

Authors

Gilang Mario Conroy Paridy Man Universitas Katolik Widya Mandira
Alfry Aristo Jansen Sinlae Universitas Katolik Widya Mandira
Emerensiana Ngaga Universitas Katolik Widya Mandira

DOI:

https://doi.org/10.33795/jip.v11i4.7246

Keywords:

X, naïve bayes, istana garuda, IKN, analisis sentimen

Abstract

Analisis sentimen merupakan teknik dalam pemrosesan bahasa alami (Natural Language Processing/NLP) yang bertujuan untuk mengklasifikasi teks menjadi kategori sentimen positif, negatif, atau netral. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap Istana Garuda Ibu Kota Nusantara (IKN) yang terekspos di media sosial X (sebelumnya Twitter) dengan menggunakan metode Naïve Bayes. Permasalahan utama dalam penelitian ini adalah bagaimana mengukur opini publik secara cepat dan akurat terkait dengan pembangunan Istana Garuda IKN yang begitu masif diperbincangkan di media sosial. Tujuan penelitian ini adalah untuk mengetahui distribusi sentimen positif, negatif, dan netral terhadap Istana Garuda IKN serta mengidentifikasi topik-topik utama yang mendominasi perbincangan di media sosial X terkait isu tersebut. Metode yang digunakan adalah klasifikasi teks menggunakan algoritma Naïve Bayes. Data yang digunakan berupa tweet yang mengandung kata kunci terkait Istana Garuda IKN. Proses penelitian meliputi pengumpulan data, preprocessing data (tokenisasi, stopword removal, dan stemming), ekstraksi fitur, dan klasifikasi menggunakan model Naïve Bayes. Hasil yang diharapkan dari penelitian ini adalah peta sentimen publik yang komprehensif terkait Istana Garuda IKN, sehingga dapat memberikan gambaran yang lebih jelas mengenai persepsi masyarakat terhadap proyek pembangunan tersebut. Selain itu, penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan sistem pemantauan opini publik berbasis media sosial.

Downloads

Download data is not yet available.

References

Abbas, J., Aman, J., Nurunnabi, M., & Bano, S. (2019). The impact of social media on learning behavior for sustainable education: Evidence of students from selected universities in Pakistan. Sustainability (Switzerland), 11(6). https://doi.org/10.3390/SU11061683

Al-Deen, N., Hilal, M., Komariah, K., & Ramelan, A. H. (2024). The multifaceted implications and challenges of relocating Indonesia’s capital city: A comprehensive review of socio-economic, environmental, urban planning, and policy considerations. Sustinere: Journal of Environment and Sustainability, 8(3), 375–396. https://doi.org/10.22515/SUSTINERE.JES.V8I3.403

Appel, G., Grewal, L., Hadi, R., & Stephen, A. T. (2020). The future of social media in marketing. Journal of the Academy of Marketing Science, 48(1), 79–95. https://doi.org/10.1007/S11747-019-00695-1

Aprinastya, R., Jazman, M., Syaifullah, S., Rahmawita, M., Siregar, S., & Saputra, E. (2024). Comparative Analysis of Naïve Bayes Classifier and Support Vector Machine for Multilingual Sentiment Analysis: Insights from Genshin Impact User Reviews. JUSIFO (Jurnal Sistem Informasi), 10(2), 117–126. https://doi.org/10.19109/JUSIFO.V10I2.24876

Araujo, J. J. M. De, Mamulak, N. M. R., & Sinlae, A. A. J. (2023). The Visualization of the Vector Space Model in Searching for Immigration News in the East Nusa Tenggara Region. Proceedings of the National Conference on Electrical Engineering, Informatics, Industrial Technology, and Creative Media, 3(1), 924–931. https://conferences.ittelkom-pwt.ac.id/index.php/centive/article/view/256

Aripiyanto, S., Tukino, T., Sufyan, A., & Nandaputra, R. (2022). Sentimen Analisis Twitter Ibu Kota Negara Nusantara Menggunakan Long Short-Term Memory dan Lexicon Based. EXPERT: Jurnal Manajemen Sistem Informasi Dan Teknologi, 12(2), 119–125. https://doi.org/10.36448/expert.v12i2.2821

Arisanty, M., Wiradharma, G., & Fiani, I. (2020). Optimizing Social Media Platforms as Information Disemination Media. Jurnal ASPIKOM, 5(2), 266. https://doi.org/10.24329/ASPIKOM.V5I2.700

Arya, D., & Zufria, I. (2024). Analisis Sentimen Terhadap Program Kampanye Desak Anies Di X Menggunakan Naïve Bayes. KLIK: Kajian Ilmiah Informatika Dan Komputer, 5(1), 104–115. https://doi.org/10.30865/KLIK.V5I1.2085

Dwivedi, Y. K., Ismagilova, E., Hughes, D. L., Carlson, J., Filieri, R., Jacobson, J., Jain, V., Karjaluoto, H., Kefi, H., Krishen, A. S., Kumar, V., Rahman, M. M., Raman, R., Rauschnabel, P. A., Rowley, J., Salo, J., Tran, G. A., & Wang, Y. (2021). Setting the future of digital and social media marketing research: Perspectives and research propositions. International Journal of Information Management, 59. https://doi.org/10.1016/J.IJINFOMGT.2020.102168

Meme, Y. M., Beda, F. A., Woi, T., Dolu, A. M., Tae, B. Y., Tanggur, B. A., Unggas, B. H. P., ..., Permata, R., Kloa, M. A. R., Hari, N. C., Agun, S. M., Pah, V. C., Bani, E. J., Doy, F. H. K., Nahak, J. R., & Sinlae, A. A. J. (2022). Pemberdayaan Anak-Anak di Kelurahan Oenesu dalam Bidang Literasi. Abdimas Unwahas, 7(2), 151–157. https://publikasiilmiah.unwahas.ac.id/index.php/ABD/article/view/7503

Samsir, S., Kusmanto, K., Dalimunthe, A. H., Aditiya, R., & Watrianthos, R. (2022). Implementation Naïve Bayes Classification for Sentiment Analysis on Internet Movie Database. Building of Informatics, Technology and Science (BITS), 4(1), 1–6. https://doi.org/10.47065/BITS.V4I1.1468

Soffi Arfan, I., Fauziah, S., & Nawangsih, I. (2024). Analisis Sentimen Terhadap Cyber Bullying di X Menggunakan Algoritma Naïve Bayes. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(4), 1411–1419. https://doi.org/10.57152/MALCOM.V4I4.1550

Suhardiman, S., & Purwaningtias, F. (2020). Analisis Sentimen Masyarakat Terhadap Virus Corona Berdasarkan Opini Masyarakat Menggunakan Metode Naïve Bayes Classifier. Jurnal Pengembangan Sistem Informasi Dan Informatika, 1(4), 220–232. https://doi.org/10.47747/JPSII.V1I4.551

Sundara, T. A., Ekaputri, S., & Sotar, S. (2020). Naïve Bayes Classifier untuk Analisis Sentimen Isu Radikalisme. Prosiding SISFOTEK, 4(1), 93–98. https://doi.org/10.13057/IJASV2I1.29998

Surya, P. P. M., & Subbulakshmi, B. (2019). Sentimental Analysis using Naive Bayes Classifier. 2019 International Conference on Vision Towards Emerging Trends in Communication and Networking (ViTECoN), 1–5. https://doi.org/10.1109/ViTECoN.2019.8899618

Yusuf, A. A., Roos, E. L., Horridge, J. M., & Hartono, D. (2023). Indonesian capital city relocation and regional economy’s transition toward less carbon-intensive economy: An inter-regional CGE analysis. Japan and the World Economy, 68, 101212. https://doi.org/10.1016/J.JAPWOR.2023.101212

Zulfikar, W. B., Atmadja, A. R., & Pratama, S. F. (2023). Sentiment Analysis on Social Media Against Public Policy Using Multinomial Naive Bayes. Scientific Journal of Informatics, 10(1), 25–34. https://doi.org/10.15294/SJI.V10I1.39952

Zulfiker, M. S., Kabir, N., Biswas, A. A., Zulfiker, S., & Uddin, M. S. (2022). Analyzing the public sentiment on COVID-19 vaccination in social media: Bangladesh context. Array, 15, 100204. https://doi.org/10.1016/J.ARRAY.2022.100204