Wacana pemindahan Ibukota negara Indonesia oleh pemerintah menimbulkan banyak reaksi dari masyarakat terlebih para pengguna media sosial termasuk twitter. Reaksi-reaksi yang timbul tentunya berupa tweet dan komentar yang ditulis oleh para pengguna twitter. Dalam tulisan-tulisan yang dikirimkan, terdapat berbagai sentimen atau opini dari masyarakat, baik yang berupa opini positif seperti mendukung pemerintah, dan terdapat pula opini negatif seperti mengkritik bahkan tidak menyetujui kebijakan pemindahan ibukota negara tersebut. Untuk mengetahui tulisan dalam twitter termasuk suatu opini positif atau negatif, dapat digunakan sebuah analisis sentimen. Dalam penelitian ini proses analisis sentimen menggunakan metode tf-idf untuk pembobotan kata atau fiturnya, metode information gain untuk seleksi fitur dan metode naïve bayes untuk mengklasifikasikan sentimen dari masyarakat. Sebelum dilakukan pengklasifikasian data, dilakukan terlebih dahulu pengumpulan data melalui teknik crawling data. Data hasil crawling akan di preprocessing untuk membersihkan data dan memperbaiki struktur data. Hasil penelitian ini menunjukkan bahwa algoritma naïve bayes cukup baik dalam model pengklasifikasian data teks dengan akurasi terbesar mencapai 82%. Penelitian ini mampu memberikan sebuah informasi yang bermanfaat bagi masyarakat mengenai respon pengguna twitter terhadap kebijakan pemindahan ibukota negara.


Deskripsi Lain

The discourse of moving the Indonesian capital city by the government caused many reactions from the public, especially social media users including Twitter. The reactions that arise are of course in the form of tweets and comments written by twitter users. In the articles submitted, there are various sentiments or opinions from the public, both in the form of positive opinions such as supporting the government, as well as negative opinions such as criticizing and even disapproving of the policy of moving the country's capital city. To find out whether writing on Twitter is a positive or negative opinion, sentiment analysis can be used. In this study, the sentiment analysis process uses the tf-idf method for weighting words or features, information gain method for feature selection and nave Bayes method for classifying public sentiment. Before classifying the data, it is done first by collecting data through data crawling techniques. The crawled data will be processed first to clean the data and improve the data structure. The results of this study indicate that the nave Bayes algorithm is quite good in classifying text data models with the greatest accuracy reaching 82%. This research is able to provide useful information for the community regarding the response of twitter users to the policy of moving the country's capital city.

• Aplikasi Website dan E-DMS Kejaksaan Negeri Kraksaan dengan Metode TF-IDF
• Sistem Analisis Sentimen Produk Telkomsel dari Opini Twitter Berbahsa Indonesia Menggunakan Metode Naive Bayes Classifier
• RANCANG BANGUN E-DOCUMENT DI KANTOR PELAYANAN PERIJINAN TERPADU KABUPATEN BANGKALAN MENGGUNAKAN NAIVE BAYES CLASSIFIER
• Sistem Pendukung Keputusan Penerimaan dan Pengalihan Beasiswa Bidikmisi Menggunakan Metode Naive Bayes Classifier dan Profile Matching
• KLASIFIKASI PENDAPAT MASYARAKAT JEJARING SOSIAL DENGAN MENGGUNAKAN METODE NAIVE BAYES (Studi kasus : Jejaring sosial Twitter, Keyword : Jokowi)