Analisis Sentimen Masyarakat Indonesia terhadap Pemindahan Ibu Kota Negara Indonesia pada Twitter

Main Article Content

Sri Lestari
Mupaat Mupaat
Adhitia Erfina

Abstract

The relocation state capital of Indonesia raises various responses, especially from the Indonesian people.  The discussion related to these issues is very interesting to study, how are the positive and negative sentiments of the Indonesian towards the government's decision. This study aims to analyze the sentiments of the Indonesian people regarding the relocation state capital of Indonesia, including the chosen name of Nusantara on Twitter. In this study, a comparison of 3 algorithms is used, namely the Support Vector Machine (SVM), Naïve Bayes, and K-Nearest Neighbor (KNN) algorithms. From this study, the results obtained are 1,141 positive comments, while negative sentiments are 591 comments. This shows that the Indonesian people have a positive opinion towards the new capital city of Indonesia. In the classification and model testing phase, 10-fold cross validation is used. From these tests, the SVM algorithm obtained an accuracy value of 85.71%, the Naïve Bayes algorithm obtained an accuracy value of 76.70%, the KNN algorithm obtained an accuracy value of 52.74%. This study shows that the SVM algorithm can work better than the Naïve Bayes algorithm and KNN. The accuracy value for the KNN algorithm obtains a low value, this is because the KNN algorithm is sensitive to features that are less relevant.

Article Details

How to Cite
Analisis Sentimen Masyarakat Indonesia terhadap Pemindahan Ibu Kota Negara Indonesia pada Twitter. (2022). JUSIFO (Jurnal Sistem Informasi), 8(1), 13-22. https://doi.org/10.19109/jusifo.v8i1.12116
Section
Articles

How to Cite

Analisis Sentimen Masyarakat Indonesia terhadap Pemindahan Ibu Kota Negara Indonesia pada Twitter. (2022). JUSIFO (Jurnal Sistem Informasi), 8(1), 13-22. https://doi.org/10.19109/jusifo.v8i1.12116

References

Aditya, B. R. (2015). Penggunaan Web Crawler Untuk Menghimpun Tweets dengan Metode Pre-Processing Text Mining. JURNAL INFOTEL, 7(2), 93–100. https://doi.org/10.20895/INFOTEL.V7I2.35

Azhar, R., Surahman, A., & Juliane, C. (2022). Analisis Sentimen Terhadap Cryptocurrency Berbasis Python TextBlob Menggunakan Algoritma Naïve Bayes. J-SAKTI (Jurnal Sains Komputer Dan Informatika), 6(1), 267–281. http://ejurnal.tunasbangsa.ac.id/index.php/jsakti/article/view/443

Baita, A., Pristyanto, Y., & Cahyono, N. (2021). Analisis Sentimen Mengenai Vaksin Sinovac Menggunakan Algoritma Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN). Information System Journal (INFOS), 4(2), 42–46. https://jurnal.amikom.ac.id/index.php/infos/article/view/687

Buntoro, G. A. (2016). Analisis Sentimen Hatespeech pada Twitter dengan Metode Naïve Bayes Classifier dan Support Vektor Machine. Jurnal Dinamika Informatika, 5(2). https://www.researchgate.net/publication/309322787_ANALISIS_SENTIMEN_HATESPEECH_PADA_TWITTER_DENGAN_METODE_NAIVE_BAYES_CLASSIFIER_DAN_SUPPORT_VECTOR_MACHINE

Darwis, D., Pratiwi, E. S., & Pasaribu, A. F. O. (2020). Penerapan Algoritma SVM untuk Analisis Sentimen pada Data Twitter komisi Pemberantasan Korupsi Republik Indonesia. Jurnal Ilmiah Edutic : Pendidikan Dan Informatika, 7(1), 1–11. https://doi.org/10.21107/EDUTIC.V7I1.8779

Darwis, D., Siskawati, N., & Abidin, Z. (2021). Penerapan Algoritma Naive Bayes untuk Analisis Sentimen Review Data Twitter BMKG Nasional. Jurnal Tekno Kompak, 15(1), 131–145. https://doi.org/10.33365/JTK.V15I1.744

Devita, R. N., Herwanto, H. W., & Wibawa, A. P. (2018). Perbandingan Kinerja Metode Naive Bayes dan K-Nearest Neighbor untuk Klasifikasi Artikel Berbahasa indonesia. Jurnal Teknologi Informasi Dan Ilmu Komputer, 5(4), 427–434. https://doi.org/10.25126/JTIIK.201854773

Fitriani, E. (2020). Perbandingan Algoritma C4.5 dan Naïve Bayes untuk Menentukan Kelayakan Penerima Bantuan Program Keluarga Harapan. Sistemasi: Jurnal Sistem Informasi, 9(1), 103–115. https://doi.org/10.32520/STMSI.V9I1.596

Gunawan, D., Riana, D., Ardiansyah, D., Akbar, F., & Alfarizi, S. (2020). Komparasi Algoritma Support Vector Machine dan Naïve Bayes Dengan Algotima Genetika pada Analisis Sentimen Calon Gubernur Jabar 2018-2023. Jurnal Teknik Komputer AMIK BSI, 6(1), 121–129. https://doi.org/10.31294/JTK.V6I1.6866

Hadi, F., & Ristawati, R. (2020). Pemindahan Ibu Kota Indonesia dan Kekuasaan Presiden dalam Perspektif Konstitusi. Jurnal Konstitusi, 17(3), 530–557. https://doi.org/10.31078/JK1734

Hanifah, R., & Nurhasanah, I. S. (2018). Implementasi Web Crawling untuk Mengumpulkan Informasi Wisata Kuliner di Bandar Lampung. Jurnal Teknologi Informasi Dan Ilmu Komputer, 5(5), 531–536. https://doi.org/10.25126/JTIIK.201855842

Hidayat, A. M., & Syafrullah, M. (2017). Algoritma Naive Bayes Dalam Analisis Sentimen untuk Klasifikasi pada Layanan Internet PT XYZ. Jurnal Telematika MKom, 9(2), 91–95. https://journal.budiluhur.ac.id/index.php/telematika/article/view/532

Iskandar, D., & Suprapto, Y. K. (2015). Perbandingan Akurasi Klasifikasi Tingkat Kemiskinan Antara Algoritma C4.5 dan Naïve Bayes. Network Engineering Research Operation, 2(1), 37–43. https://nero.trunojoyo.ac.id/index.php/nero/article/view/42

Ling, J., Kencana, I. P. E. N., & Oka, T. B. O. (2014). Analisis Sentimen Menggunakan Metode Naïve Bayes Classifier dengan Seleksi Fitur Chi Square. E-Jurnal Matematika, 3(3), 92–99. https://doi.org/10.24843/MTK.2014.V03.I03.P070

Nasution, M. R. A., & Hayaty, M. (2019). Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen Twitter. Jurnal Informatika, 6(2), 226–235. https://ejournal.bsi.ac.id/ejurnal/index.php/ji/article/view/5129

Pertiwi, M. W. (2019). Analisis Sentimen Opini Publik Mengenai Sarana dan Transportasi Mudik Tahun 2019 pada Twitter Menggunakan Algoritma Naïve Bayes, Neural Network, KNN, dan SVM. Inti Nusa Mandiri, 14(1), 27–32. http://ejournal.nusamandiri.ac.id/index.php/inti/article/view/536

Purbolaksono, M. D., Tantowi, M. I., Hidayat, A. I., & Adiwijaya, A. (2021). Perbandingan Support Vector Machine dan Modified Balanced Random Forest dalam Deteksi Pasien Penyakit Diabetes. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(2), 393–399. https://doi.org/10.29207/RESTI.V5I2.3008

Putra, A. D. A., & Juanita, S. (2021). Analisis Sentimen pada Ulasan pengguna Aplikasi Bibit dan Bareksa dengan Algoritma KNN. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 8(2), 636–646. https://doi.org/10.35957/JATISI.V8I2.962

Ramadhan, D. A., & Setiawan, E. B. (2019). Analisis Sentimen Program Acara di SCTV pada Twitter Menggunakan Metode Naive Bayes dan Support Vector Machine. E-Proceeding of Engineering, 9736–9743. https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/10708

Saputri, N. A. O., & Zuhri, K. (2021). Analisis Sentimen Masyarakat terhadap Pilpres 2019 Berdasarkan Opini Dari Twitter Menggunakan Metode Naive Bayes Classifier. Jurnal Informanika, 7(1), 55–62. http://poltekanika.ac.id/journal/index.php/inf/article/view/201

Sari, R., & Hayuningtyas, R. Y. (2019). Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Pada Wisata TMII Berbasis Website. Indonesian Journal on Software Engineering (IJSE), 5(2), 51–60. https://doi.org/10.31294/IJSE.V5I2.6957

Tim Kompas. (2022). Kepala Bappenas Umumkan Nama Ibu Kota Baru: Nusantara. Kompas.Com. https://nasional.kompas.com/read/2022/01/17/12302621/kepala-bappenas-umumkan-nama-ibu-kota-baru-nusantara

Widaningsih, S. (2019). Perbandingan Metode Data Mining untuk Prediksi Nilai dan Waktu Kelulusan Mahasiswa Prodi Teknik Informatika dengan Algoritma C4.5, Naïve Bayes, KNN, dan SVM. Jurnal Tekno Insentif, 13(1), 16–25. https://doi.org/10.36787/JTI.V13I1.78

Zulfikar, W. B., & Lukman, N. (2016). Perbandingan Naive Bayes Classifier dengan Nearest Neighbor untuk Identifikasi Penyakit Mata. Jurnal Online Informatika, 1(2), 82–86. https://doi.org/10.15575/JOIN.V1I2.33