ANALISIS SENTIMEN DENGAN STUDI KASUS KARTU PRAKERJA DI MEDIA SOSIAL TWITTER MENGGUNAKAN METODE NAIVE BAYES

• ASTHAKHUROH

---

ABSTRAK

ABSTRAK

Asthakhuroh (11211626), Analisis Sentimen Dengan Studi Kasus Kartu Prakerja di Media Sosial Twitter Menggunakan Metode Naive Bayes

Pada awal Maret 2022 Indonesia mengalami pandemi virus corona yang menjadi penyebab COVID-19 masuk untuk pertama kalinya. Sejak itu seluruh sektor terdampak dari pandemi COVID-19 tak hanya kesehatan, sektor ekonomi juga mengalami dampak serius akibat pandemi ini. Dalam mengatasi masalah ketenagakerjaan pemerintah membuat kebijkan program Kartu Prakerja. Program Kartu Prakerja adalah salah satu bentuk upaya pemerintah dalam memperluas kesempatan kerja dan untum peningkatan daya saing yang kemudian menjadi salah satu bantuan sosial bagi masyarakat guna penanggulangan pandemi Covid-19. Pelaksanaan program Kartu Prakerja mendapat pro dan kontra dari masyarakat salah satunya pada media sosial twitter. Hasil analisis sentimen program kartu prakerja kebanyakan bersifat positif. Hasil pengujian menunjukkan bahwa metode Naïve Bayes Classifier berhasil mengklasifikasi sentimen dengan nilai akurasi tertinggi sebesar 96%, nilai precision tertinggi sebesar 98%, dan nilai recall tertinggi sebesar 96%, serta AUC 96%.

Kata Kunci: Twitter, Naive Bayes Classifier, Analisa Sentimen, precision, recall

KATA KUNCI

Analisis Sentimen

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

[1] K. Perekonomian, “Kumpulan Peraturan Kredit Usaha Rakyat (KUR),” Siar. Pers No. HM.4.6/11/SET.M.EKON.2.3/01/2020, 2020.

[2] W. Nurhadi, “Implementasi Kebijakan Program Kartu Prakerja Di Tengah Pandemi Covid-19,” J. Polit. Sci., 2020.

[3] M. I. Fikri, T. S. Sabrila, and Y. Azhar, “Perbandingan Metode Naïve Bayes dan Support Vector Machine pada Analisis Sentimen Twitter,” SMATIKA J., 2020, doi: 10.32664/smatika.v10i02.455.

[4] F. D. Ananda and Y. Pristyanto, “Analisis Sentimen Pengguna Twitter Terhadap Layanan Internet Provider Menggunakan Algoritma Support Vector Machine,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., 2021, doi: 10.30812/matrik.v20i2.1130.

[5] E. Bash, “Penerapan metode text mining pada aplikasi chatbot,” PhD Propos., 2015.

[6] R. Rosdiana, T. Eddy, S. Zawiyah, and N. Y. U. Muhammad, “Analisis Sentimen pada Twitter terhadap Pelayanan Pemerintah Kota Makassar,” Proceeding SNTEI, 2019.

[7] V. Herliansyah, R. Latuconsina, and A. Dinimaharawati, “Prediksi Stunting Pada Balita Dengan Menggunakan Algoritma Klasifikasi Naïve Bayes,” e-Proceeding Eng., 2021.

[8] A. M. Khalimi, “Perhitungan Confusion Matrix Multi-Class Clasification 3x3,” www.pengalaman-edukasi.com, 2020.

[9] A. Pandhu and W. Diki, “Analisa sentimen dan Klasifikasi Komentar Positif Pada Twitter dengan Naïve Bayes Classification,” BRITech (Jurnal Imiah Komputer, Sains dan Teknol. Terap., 2020.

[10] N. Ruhyana, “Analisis Sentimen terhadap Penerapan Sistem Plat Nomor Gnajil/Genap pada Twitter dengan Metode Klasifikasi Naive Bayes,” J. IKRA-ITH Inform., 2019.

[11] G. A. Buntoro, “Analisis Sentimen Calon Gubernur DKI Jakarta 2017 Di Twitter,” 2017.

[12] Kemenko Perekonomian, “Laporan Manajemen Pelaksana Program Kartu Prakerja Tahun 2020,” Kartu Prakerja, 2020.