Analisis Sentimen Pada Kenaikan Gaji PNS, Guru, dan TNI -Polri Menggunakan Metode Naïve Bayes
DOI:
https://doi.org/10.29407/75fbs752Keywords:
Analisi sentimen, naive bayes, Kenaikan Gaji, YouTube, TF-IDFAbstract
Kebijakan kenaikan gaji bagi guru, Pegawai Negeri Sipil (PNS), serta TNI–Polri merupakan isu strategis yang berdampak pada kualitas pendidikan, pelayanan publik, serta stabilitas pertahanan dan keamanan nasional. Kebijakan ini memunculkan beragam respons dari masyarakat yang banyak disampaikan melalui media sosial, khususnya platform YouTube. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap kebijakan kenaikan gaji guru, PNS, dan TNI–Polri menggunakan metode Naïve Bayes. Data penelitian berupa komentar pengguna YouTube yang diperoleh melalui teknik web scraping menggunakan bahasa pemrograman Python. Tahapan penelitian meliputi pengumpulan data, preprocessing teks (case folding, tokenizing, stopword removal, filtering, dan stemming), pelabelan data, pembobotan kata menggunakan metode TF-IDF, proses klasifikasi menggunakan algoritma Naïve Bayes, serta evaluasi model menggunakan confusion matrix. Hasil pengujian dengan pembagian data training sebesar 80% dan data testing sebesar 20% menunjukkan bahwa metode Naïve Bayes menghasilkan nilai akurasi sebesar 83,4%, precision sebesar 78%, recall sebesar 83%, dan f1-score sebesar 79%. Hasil tersebut menunjukkan bahwa metode Naïve Bayes cukup efektif dalam mengklasifikasikan sentimen masyarakat terhadap kebijakan kenaikan gaji aparatur negara berdasarkan komentar di platform YouTube.
Downloads
References
[1] M. Jamaluddin and E. I. Habibillah, “Pengaruh Kebijakan Perserikatan Bangsa-Bangsa (PBB) Dalam Konflik Palestina-Israel,” Jurnal Tapis: Teropong Aspirasi Politik Islam, vol. 19, no. 1, pp. 1–23, 2020.
[2] N. Hendrastuty, A. R. Isnain, and A. Y. Rahmadhani, “Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine,” Jurnal Informatika, 2021.
[3] A. Surahman, “Pengembangan Market Segmentasi untuk Mencapai Keunggulan Bersaing pada E-Marketplace,” Jurnal Komputer dan Informatika, vol. 15, no. 1, pp. 118–126, 2020.
[4] R. Tineges, A. Triayudi, and I. D. Sholihati, “Analisis Sentimen Terhadap Layanan Indihome Berdasarkan Twitter Dengan Metode Klasifikasi Support Vector Machine (SVM),” Jurnal Media Informasi Budidarma, vol. 4, no. 3, pp. 650–656, 2020, doi: 10.30865/mib.v4i3.2181.
[5] A. Putra, D. Haeirudin, H. Khairunnisa, and R. Latifah, “Analisis Sentimen Masyarakat Terhadap Kebijakan PPKM Pada Media Sosial Twitter Menggunakan Algoritma SVM,” Seminar Nasional Sains dan Teknologi, pp. 1–6, 2021.
[6] N. Fitriyah, B. Warsito, and D. A. I. Maruddani, “Analisis Sentimen Gojek Pada Media Sosial Twitter Dengan Klasifikasi Support Vector Machine (SVM),” Jurnal Gaussian, vol. 9, no. 3, pp. 376–390, 2020, doi: 10.14710/j.gauss.v9i3.28932.
[7] F. D. Ananda and Y. Pristyanto, “Analisis Sentimen Pengguna Twitter Terhadap Layanan Internet Provider Menggunakan Algoritma Support Vector Machine,” MATRIK: Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 20, no. 2, pp. 407–416, 2021, doi: 10.30812/matrik.v20i2.1130.
[8] M. I. Fikri, T. S. Sabrila, Y. Azhar, and U. M. Malang, “Comparison of the Naïve Bayes Method and Support Vector Machine on Twitter Sentiment Analysis,” SMATIKA: STIKI Informatics Journal, vol. 10, no. 2, pp. 71–76, 2020.
[9] M. A. Reinfeld, “A Case Study of the GRP 5000,” Technology, vol. 5, no. 3123, pp. 548–554, 2011.
[10] Rahmawati and Pratama, “Analisis Sentimen terhadap Kenaikan Gaji Guru Honorer Menggunakan Multinomial Naïve Bayes,” Jurnal Pendidikan dan Teknologi Indonesia, vol. 5, no. 1, 2023.
[11] Suryani, D. Wahyu, and A. Lestari, “Analisis Sentimen Masyarakat Terhadap Kebijakan Kenaikan Upah Minimum Menggunakan Naïve Bayes,” Jurnal RESTIA, 2022.
[12] Hidayat and Kurniawan, “Comparison of Naïve Bayes, SVM, and Random Forest in Public Sentiment Analysis of TAPERA Policy,” International Journal of Science, Technology & Management, vol. 6, no. 3, pp. 1220–1228, 2023.
[13] Setiawan, “Analisis Sentimen Opini Publik Terhadap Tokoh Politik Menggunakan Naïve Bayes,” Yayasan Kita Menulis, 2023
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Ichsan Azala, Yoga Firnanda
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:
- Copyright on any article is retained by the author(s).
- 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.
- 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.
- 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.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
