IMPLEMENTASI ALGORITMA NAIVE BAYES UNTUK ANALISIS SENTIMEN ISU RESESI EKONOMI 2023 DI INDONESIA PADA PLATFORM TWITTER

Ribka Tesalonika
Evangs Mailoa


DOI: https://doi.org/10.29100/jipi.v9i1.4288

Abstract


Resesi ekonomi merupakan kondisi dimana suatu negara mengalami kemerosotan aktivitas ekonomi. Isu mengenai resesi 2023 di Indonesia mulai hangat diperbincangkan semenjak terjadinya perang antara Rusia dan Ukraina, pandemi Covid-19 dan inflasi yang tak terkendali. Munculnya isu tersebut menimbulkan berbagai tanggapan dari masyarakat dan beberapa diantaranya menyampaikan pendapatnya melalui media sosial salah satunya Twitter. Dari permasalahan tersebut, diperlukan analisa mengenai sentimen masyarakat terhadap tweet untuk melihat respon mengenai Isu Resesi Ekonomi 2023 di Indonesia dari masyarakat yang aktif. Penelitian ini menerapkan algoritma Naive Bayes dalam melakukan pengklasifikasian data dan tahapannya dimulai dengan pengumpulan data tweet dengan teknik scraping, lalu pembersihan data, pembagian data latih dan data uji, pelabelan data, pra-pemrosesan data, klasifikasi kemudian diakhiri dengan evaluasi model menggunakan confusion matrix. Jumlah data yang dikumpulkan setelah melewati proses pembersihan data sebanyak 3301 tweet. Akurasi model yang diperoleh mencapai 93,46% dengan prediksi label sentimen positif 1302 tweet, sentimen negatif 1236 tweet dan sentimen netral sejumlah 764 tweet.

Full Text:

PDF

Article Metrics :

References


N. Laoli, “Ekonom Sebut Perang Rusia dan Ukraina Penyebab Pelemahan Ekonomi Global,” Oct. 04, 2022. https://nasional.kontan.co.id/news/ekonom-sebut-perang-rusia-dan-ukraina-penyebab-pelemahan-ekonomi-global (accessed Dec. 15, 2022).

H. Alexander, “Penjelasan Sederhana soal Penyebab Resesi Ekonomi Global 2023.” https://tirto.id/penjelasan-sederhana-soal-penyebab-resesi-ekonomi-global-2023-gwZN (accessed Dec. 14, 2022).

M. Zaskya, A. Boham, L. Jackelin, and H. Lotulung, “Twitter Sebagai Media Mengungkapkan Diri Pada Kalangan Milenial,” 2021. Accessed: Jun. 01, 2023. [Online]. Available: https://ejournal.unsrat.ac.id/v3/index.php/actadiurnakomunikasi/article/download/31979/30381/66820

Kim, Han, Rim, and Myaeng, “Some Effective Techniques for Naive Bayes Text Classification.,” IEEE Trans Knowl Data Eng, vol. 18, no. 11, pp. 1457–1466, 2006, Accessed: Feb. 03, 2022. [Online]. Available: https://www.researchgate.net/publication/3297622_Some_Effective_Techniques_for_Naive_Bayes_Text_Classification

N. M. A. J. Astari, D. G. H. Divayana, and G. Indrawan, “Analisis Sentimen Dokumen Twitter Mengenai Dampak Virus Corona Menggunakan Metode Naive Bayes Classifier,” Jurnal Sistem dan Informatika (JSI), vol. 15, no. 1, pp. 27–29, Nov. 2020, doi: 10.30864/jsi.v15i1.332.

E. S. Romaito and dkk, “Perbandingan Algoritma SVM Dan NBC Dalam Analisa Sentimen Pilkada Pada Twitter,” CSRID Journal, vol. 13, no. 3, pp. 169–179, 2021, Accessed: Feb. 15, 2022. [Online]. Available: http://repository.sar.ac.id/id/eprint/60/.

F. S. Darusman, A. A. Arifiyanti, and S. F. A. Wati, “Sentiment Analysis Pedulilindungi Tweet Using Support Vector Machine Meth-od,” Applied Technology and Computing Science Journal, vol. 4, no. 2, pp. 113–118, May 2022, doi: 10.33086/atcsj.v4i2.2836.

Suripto, Rr Nurul Rahmanita, and Ajeng Sekar Kirana, “Teknik pre-processing dan classification dalam data science.” https://mie.binus.ac.id/2022/08/26/teknik-pre-processing-dan-classification-dalam-data-science/ (accessed Apr. 29, 2023).

W. Scott, “TF-IDF from scratch in python on a real-world dataset,” Feb. 15, 2019. https://towardsdatascience.com/tf-idf-for-document-ranking-from-scratch-in-python-on-real-world-dataset-796d339a4089 (accessed May 30, 2023).

Mochammad Haldi Widianto, “Algoritma Naive Bayes.” https://binus.ac.id/bandung/2019/12/algoritma-naive-bayes/ (accessed May 01, 2023).

Y. Pratama, A. Roberto Tampubolon, L. Diantri Sianturi, R. Diana Manalu, and D. Frietz Pangaribuan, “Implementation of Sentiment Analysis on Twitter Using Naïve Bayes Algorithm to Know the People Responses to Debate of DKI Jakarta Governor Election,” in Journal of Physics: Conference Series, Institute of Physics Publishing, Jun. 2019. doi: 10.1088/1742-6596/1175/1/012102.

I. Markoulidakis, I. Rallis, I. Georgoulas, G. Kopsiaftis, A. Doulamis, and N. Doulamis, “Multiclass Confusion Matrix Reduction Method and Its Application on Net Promoter Score Classification Problem,” Technologies (Basel), vol. 9, no. 4, Dec. 2021, doi: 10.3390/technologies9040081.

D. A. Wulandari, R. Rohmat Saedudin, and R. Andreswari, “ANALISIS SENTIMEN MEDIA SOSIAL TWITTER TERHADAP REAKSI MASYARAKAT PADA RUU CIPTA KERJA MENGGUNAKAN METODE KLASIFIKASI ALGORITMA NAIVE BAYES ANALYSIS OF TWITTER SOCIAL MEDIA SENTIMENT ON THE PUBLIC’S REACTION TO THE DRAFTS OF JOB CREATION LAW USING THE CLASSIFICATION METHOD NAIVE BAYES ALGORITHM,” e-Proceeding of Engineering, vol. 8, no. 5, pp. 9007–9016, 2021.

M. Hossin and M. N. Sulaiman, “A Review on Evaluation Metrics for Data Classification Evaluations,” International Journal of Data Mining & Knowledge Management Process, vol. 5, no. 2, pp. 01–11, Mar. 2015, doi: 10.5121/ijdkp.2015.5201.

D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” Jurnal Sains Komputer & Informatika (J-SAKTI, vol. 5, no. 2, pp. 697–711, 2021.