Analisis Sentimen Kebijakan Pemindahan Ibukota Republik Indonesia dengan Menggunakan Algoritme Term-Based Random Sampling dan Metode Klasifikasi Naive Bayes

Abstrak

Kebijakan pemindahan ibukota Republik Indonesia yang telah dicanangkan oleh Presiden Joko Widodo pada bulan Agustus lalu banyak menimbulkan pro dan kontra di masyarakat, terutama dalam lingkungan media sosial. Dalam penelitian ini dilakukan analisis sentimen terhadap kebijakan tersebut dengan menggunakan data yang didapatkan dari media sosial Twitter. Proses pengembangan sistem meliputi data scraping, preprocessing, perhitungan Raw Term Frequency, dan klasifikasi dengan menggunakan metode klasifikasi Naive Bayes. Dalam preprocessing, proses filtering dilakukan dengan menggunakan algoritme Term-Based Random Sampling untuk membuat stoplist. Proses pengujian dilakukan dengan 2 metode yaitu pengujian parameter dan confusion matrix berjenis multiclass. Pengujian parameter dilakukan dengan mengubah persentase term data latih yang digunakan sebagai stoplist yaitu dari rentang 0 persen hingga 60 persen, sedangkan confusion matrix digunakan untuk menghitung nilai akurasi, precision, recall, dan f-measure. Berdasarkan hasil pengujian, sistem mendapatkan nilai macroaverage terbaik pada klasifikasi dengan stoplist 20 persen dengan nilai macroaverage akurasi sebesar 0,94, macroaverage precision sebesar 0,945, macroaverage recall sebesar 0,94, dan macroaverage f-measure sebesar 0,938.