Penerapan Naive Bayes yang Dioptimalkan oleh SMOTE untuk Mengatasi Ketidakseimbangan Data pada Klasifikasi Komentar Bencana Alam di Jakarta

Authors

  • Nugroho Bimantoro Universitas Nusantara PGRI Kediri Indonesia
  • Risky Aswi Ramadhani Universitas Nusantara PGRI Kediri Indonesia
  • Julian Sahertian Universitas Nusantara PGRI Kediri Indonesia

DOI:

https://doi.org/10.29407/p5zf4t86

Abstract

Analisis sentimen merupakan salah satu bidang dalam Natural Language Processing (NLP) yang digunakan untuk memahami opini atau tanggapan masyarakat terhadap suatu topik tertentu. Penelitian ini berfokus pada analisis sentimen terkait bencana alam di Jakarta yang diperoleh dari media sosial X. Tujuan penelitian ini adalah untuk mengetahui performa metode Naive Bayes dalam mengklasifikasikan sentimen masyarakat terhadap bencana alam. Dataset diperoleh dengan webscrapping menggunakan tweet harvest dengan rentang waktu 5 tahun terakhir dengan hasil 1151 data. Data yang digunakan terlebih dahulu melalui tahap preprocessing untuk membersihkan teks sebelum dilakukan pelabelan sentimen menggunakan model RoBERTa berbahasa Indonesia. Selain itu, metode SMOTE diterapkan untuk mengatasi ketidakseimbangan jumlah data pada kelas positif dan negatif. Hasil penelitian menunjukkan bahwa penerapan SMOTE mampu membantu meningkatkan kualitas distribusi data sehingga proses klasifikasi menjadi lebih optimal. Berdasarkan hasil pengujian, metode Naive Bayes memperoleh tingkat akurasi sebesar 76% dalam proses analisis sentimen. Penelitian ini menunjukkan bahwa kombinasi RoBERTa, SMOTE, dan Naive Bayes dapat memberikan hasil yang cukup baik dalam klasifikasi sentimen pada data media sosial X

Keywords:

Analisis Sentimen, X, Bencana Alam, Naive Bayes, RoBERTa, SMOTE

##plugins.themes.default.displayStats.downloads##

##plugins.themes.default.displayStats.noStats##

References

[1] A. S. Hashim et al., "Leveraging Social Media Sentiment Analysis for Enhanced Disaster Management: A Systematic Review and Future Research Agenda," J. Syst. Manag. Sci., vol. 15, no. 4, pp. 170-191, 2025, doi: 10.33168/JSMS.2025.0412.

[2] K. W. Gusti, "Perbandingan Metode Support Vector Machine dan Logistic Regression untuk Klasifikasi Bencana Alam," 2023, doi: 10.52958/iftk.v19i2.6355.

[3] M. A. Nur, N. Umar, Z. Feng, and H. Gani, "EVALUATION OF INDOBERT AND ROBERTA: PERFORMANCE OF INDONESIAN LANGUAGE TRANSFORMER MODELS IN SENTIMENT CLASSIFICATION," JIKO, vol. 8, no. 2, pp. 121-127, 2025, doi: 10.33387/jiko.v8i2.9988.

[4] N. F. Mahing et al., "KLASIFIKASI TINGKAT STRES DARI DATA BERBENTUK TEKS DENGAN MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN RANDOM FOREST," doi: 10.25126/jtiik.2024118010.

[5] Meitaningsing, Aribowo, and Cahyana, "TELEMATIKA, Vol. 17, No. 2, OKTOBER, 2020, Pp. 99-110 ISSN 1829-667X," 2020, doi: 10.31315/telematika.v17i1.3377.

[6] R. A. Husaini, D. Priyanto, and G. H. Martono, "ANALISIS SENTIMEN KINERJA TENAGA MEDIS INDONESIA MENGGUNAKAN MODELING ROBERTA DAN METODE MACHINE LEARNING," 2025, doi: 10.15294/eduel.v13i1.22163.

[7] M. A. Hermawan, A. Faqih, and G. Dwilestari, "IMPLEMENTASI AKURASI MODEL NAIVE BAYES MENGGUNAKAN SMOTE DALAM ANALISIS SENTIMEN PENGGUNA APLIKASI BRIMO," J. Inform. dan Tek. Elektro Terap., vol. 13, no. 1, 2025, doi: 10.23960/jitet.v13i1.5748.

[8] D. A. U. Zaza et al., "Penerapan Text Mining Dalam Klasifikasi Judul Skripsi Mahasiswa Pada Universitas Stella Maris Sumba Menggunakan Metode Naïve Bayes," 2024, doi: 10.47233/jibs.v2i3.1670.

[9] F. Zamzami, R. Hidayat, and R. Fathonah, "PENERAPAN ALGORITMA NAIVE BAYES CLASSIFIER UNTUK ANALISIS SENTIMEN KOMENTAR TWITTER PROYEK PEMBAGUNAN IKN," Faktor Exacta, vol. 17, no. 1, 2024, doi: 10.30998/faktorexacta.v17i1.22265.

[10] C. C. Kirana and N. R. Oktadini, "Analisis Sentimen Naïve Bayes dengan TF-IDF dan 10-Fold pada Ulasan Aplikasi X," J. Sist. Komput. dan Inform., vol. 7, no. 2, pp. 523-535, 2025, doi: 10.30865/json.v7i2.9007.

[11] A. Asis and A. Syam, "Penerapan Metode Text Mining Tf-Idf Untuk Klasifikasi Sentimen Penggunaan Pay later Pada Belanja Online Di Media Sosial Twitter," 2023, doi: 10.36774/dipakomsi.v17i1.1402.

[12] B. Z. Ramadhan, I. Riza, and I. Maulana, "Analisis Sentimen Ulasan Pada Aplikasi E-Commerce Dengan Menggunakan Algoritma Naïve Bayes," 2022, doi: 10.30871/jaic.v6i2.4725.

Downloads

Published

2026-07-20

Issue

Vol. 10 No. 1 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026

Section

Articles

License

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  1. Copyright on any article is retained by the author(s).
  2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
  3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
  5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License

How to Cite

Penerapan Naive Bayes yang Dioptimalkan oleh SMOTE untuk Mengatasi Ketidakseimbangan Data pada Klasifikasi Komentar Bencana Alam di Jakarta. (2026). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 10(1), 664-673. https://doi.org/10.29407/p5zf4t86