ANALISIS SENTIMEN KOMENTAR INSTAGRAM TERHADAP WACANA KEBIJAKAN ELECTRONIC ROAD PRICING (ERP) DI JAKARTA MENGGUNAKAN ALGORITMA NAÏVE BAYES

Farhan Nugroho Burhansyah; Yan Sofyan Andhana Saputra

doi:10.70746/jstunsada.v14i1.508

Authors

Farhan Nugroho Burhansyah Universitas Darma Persada
Yan Sofyan Andhana Saputra Unsada

DOI:

https://doi.org/10.70746/jstunsada.v14i1.508

Abstract

Pemerintah DKI memiliki rencana mengendalikan lalu lintas dengan memanfaatkan Jalan Berbayar Elektronik atau Electronic Road Pricing. Untuk mengetahui respon pengguna media sosial terhadap kebijakan tersebut, dilakukan analisis sentimen pada komentar aplikasi Instagram. Algoritma yang digunakan pada analisis sentimen ini adalah algoritma Naïve Bayes. Rancangan penelitian berdasarkan metodologi Knowledge Discovery in Databases, disingkat KDD. Penelitian ini menggunakan web scraping Apify untuk mengambil data postingan selama tahun 2023 sebanyak 1486 komentar aplikasi Instagram, dan python sebagai bahasa pemrogramannya. Penelitian ini menghasilkan kesimpulan kedalam tiga kelas sentimen, dengan jumlah masing-masing 97 label positif, 568 label negatif, dan 743 label netral. Untuk mengukur tingkat akurasi algoritma, pelaksanaan pengujian menggunakan metode split data 4 model, berturut-turut adalah model 90:10, 80:20, 70:30, dan 60:40. Pengujian akurasi dengan confusion matrix menunjukkan nilai akurasi tertinggi terdapat pada model 90:10, sedangkan pengujian akurasi dengan grafik ROC menunjukkan nilai AUC tertinggi pada model 90:20 dengan nilai 0.7335, sehingga bisa disimpulkan model berkualitas baik dalam membedakan kelas.

References

Alaei, A. R., Becken, S., & Stantic, B. (2019). Sentiment analysis in tourism: capitalizing on big data. Journal of Travel Research, 58(2), 175–191.

Basit, A. (2020). Implementasi Algoritma Naive Bayes Untuk Memprediksi Hasil Panen Padi. Jurnal Teknik Informatika Kaputama (JTIK) 2020, 4(2), 208–213.

Gata, W., & Purnomo, P. P. (2017). Akurasi Text Mining Menggunakan Algoritma K-Nearest Neighbour pada Data Content Berita SMS. Format, 6(1), 1–13.

Gorunescu, F. (2011). Data Mining: Concepts, models and techniques (Vol. 12). Springer Science & Business Media.

Han, J., Pei, J., & Kamber, M. (2011). Data mining: concepts and techniques. Elsevier.

Kantardzic, M. (2011). Data mining: concepts, models, methods, and algorithms. John Wiley & Sons.

Karami, A., Lundy, M., Webb, F., & Dwivedi, Y. K. (2020). Twitter and research: A systematic literature review through text mining. IEEE Access, 8, 67698–67717.

Kemenkraf. (2020). Tren Pariwisata Indonesia di Tengah Pandemi. Retrieved from kemenparekraf.go.id website: https://kemenparekraf.go.id/ragam-pariwisata/Tren-Pariwisata-Indonesia-di-Tengah-Pandemi

Koto, F., & Rahmaningtyas, G. Y. (2017). Inset lexicon: Evaluation of a word list for Indonesian sentiment analysis in microblogs. 2017 International Conference on Asian Language Processing (IALP), 391–394. IEEE.

Kouloumpis, E., Wilson, T., & Moore, J. (2011). Twitter sentiment analysis: The good the bad and the omg! Proceedings of the International AAAI Conference on Web and Social Media, 5(1), 538–541.

Kulkarni, A., & Shivananda, A. (2019). Natural language processing recipes. Springer.

Larose, D. T., & Larose, C. D. (2014). Discovering knowledge in data: an introduction to data mining (Vol. 4). John Wiley & Sons.

Liu, B. (2011). Web data mining: exploring hyperlinks, contents, and usage data (Vol. 1). Springer.

Marcos de Moraes, R., Soares, E. A. de M. G., & Machado, L. dos S. (2020). A double weighted fuzzy gamma naive bayes classifier. Journal Of Intelligent & Fuzzy Systems, 38(1), 577–588.

Nofriansyah, D., Kom, S., & Kom, M. (2015). Konsep data mining vs sistem pendukung keputusan. Deepublish.

Nugroho, R. A., & Cholissodin, I. (2021). Implementasi Naïve Bayes Classifier untuk Klasifikasi Emosi Tweet Berbahasa Indonesia pada Spark. 5(1), 301–310.

Septian, J. A., Fahrudin, T. M., & Nugroho, A. (2019). Journal of Intelligent Systems and Computation 43. hal.

Shafique, U., & Qaiser, H. (2014). A comparative study of data mining process models (KDD, CRISP-DM and SEMMA). International Journal of Innovation and Scientific Research, 12(1), 217–222.

Statista. (2022). Leading countries based on number of Twitter users as of January 2022.

Stewart, F. (2016). Technology and underdevelopment. Springer.

Sugiharto, K. R., & Lhaksmana, K. M. (2018). Analisis Sentimen Terhadap Toko Online Menggunakan Naive Bayes Pada Media Sosial Twitter. EProceedings of Engineering, 5(3).

Suntoro, J. (2019). DATA MINING: Algoritma dan Implementasi dengan Pemrograman php. Elex Media Komputindo.