Analisis Opini Publik Terhadap Undang-Undang KUHP Tahun 2022 Menggunakan Algoritma Naïve Bayes Classifier

Febby Apri Wenando

doi:10.37859/jf.v13i02.5670

Febby Apri Wenando Universitas Andalas

https://doi.org/10.37859/jf.v13i02.5670

Keywords: Sentiment Analysis, Undang-Undang KUHP, Naïve Bayes

Abstract

Analisis sentimen, juga disebut penambangan opini, melibatkan proses otomatis dalam memahami, mengekstraksi, dan memproses data tekstual untuk mendapatkan informasi sentimen yang diungkapkan dalam opini seseorang tentang suatu subjek atau objek, biasanya mengambil sikap negatif atau positif. Penelitian ini berupaya untuk mengkategorikan data tweet menjadi sentimen positif dan negatif. Dengan menggunakan teks berbahasa Indonesia dari platform media sosial Twitter, penelitian ini memanfaatkan opini masyarakat dalam tweet tersebut untuk analisis sentimen masyarakat untuk mengetahui persepsi masyarakat terkait Rancangan Undang-Undang KUHP yang baru saja disahkan. Kumpulan data yang digunakan diambil dari social media Twitter, sebanyak 142 data tweet yang gunakan pada penelitian ini. Klasifikasi data tweet ini menggunakan algoritma Naïve Bayes Classifier. Sebelum dilakukan analisis dilakukan tahapan awal untuk mempersiapkan data, disebut dengan tahapan pre-processing, tahapan ini dilakukan untuk membersihkan teks, meliputi proses seperti case folding, tokenisasi, normalisasi, dan stopword removal. Hasil dari 142 data uji yang klasifikasi menghasilkan 62 data bersentimen positif dan sebanyak 80 data sentimen negatif. Setelah dilakukan evaluasi didapat hasil performa algoritma Naïve Bayes Classifier dengan nilai akurasi sebesar 87%.

Downloads

Download data is not yet available.

References

[1] “Tuntut Cabut Pengesahan KUHP di Gedung DPR RI, Ketua BEM UI: Ada Pasal Karet dan Kontroversial - Wartakotalive.com.”https://wartakota.tribunnews.com/2022/12/15/tuntut-cabut-pengesahan-kuhp-di-gedung-dpr-ri-ketua-bem-ui-ada-pasal-karet-dan-kontroversial (accessed Dec. 19, 2022).
[2] “Apa Isi RKUHP, Kenapa Ditolak, dan Daftar Pasal Kontroversial.” https://tirto.id/apa-isi-rkuhp-kenapa-ditolak-dan-daftar-pasal-kontroversial-gzt6 (accessed Dec. 19, 2022).
[3] M. Z. Ansari, M. B. Aziz, M. O. Siddiqui, H. Mehra, and K. P. Singh, “Analysis of Political Sentiment Orientations on Twitter,” in Procedia Computer Science, 2020, vol. 167, pp. 1821–1828. doi: 10.1016/j.procs.2020.03.201.
[4] Astiningrum, M., & Batubulan, K. S. (2020, September). Implementasi Analisis Sentimen Twitter Mengenai Opini Masyarakat Terhadap Rkuhp Tahun 2019. In Seminar Informatika Aplikatif Polinema.
[5] Wenando, F. A., Hayami, R., & Anggrawan, A. J. (2020). Analisis Sentimen Pada Pemerintahan Terpilih Pada Pilpres 2019 Ditwitter Menggunakan Algoritme Naïvebayes. JURTEKSI (Jurnal Teknologi dan Sistem Informasi), 7(1), 101-106.
[6] A. P. Giovani, A. Ardiansyah, T. Haryanti, L. Kurniawati, and W. Gata, “ANALISIS SENTIMEN APLIKASI RUANG GURU DI TWITTER MENGGUNAKAN ALGORITMA KLASIFIKASI,” Jurnal Teknoinfo, vol. 14, no. 2, p. 115, Jul. 2020, doi: 10.33365/jti.v14i2.679.
[7] S. Literatur Tentang Perbandingan Metode Untuk Proses Analisis Sentimen di Twitter and U. Gadjah Mada, “INCORBIZ (Indonesian Closed Corpus for Business) View project Semantic E-Learning View project Nurrun Muchammad Shiddieqy Hadna.” [Online]. Available: https://www.researchgate.net/publication/292831965
[8] S. Analisis Pada Twitter CommuterLine, A. Pratama Putra, Y. Pratama, E. Kharisma Krisnadi, I. Purnamasari, and D. Dwi Saputra, “Text Mining untuk Sentimen Analisis dengan Metode Naïve Bayes, SMOTE, N-Gram dan AdaBoost Pada Twitter CommuterLine,” 2022.
[9] Y. Pratiwi and A. Yaqin, “Klasifikasi Tweet Tidak Senonoh Twitter dengan Naïve Bayes Classifier,” 2022.
[10] Wenando, F. A., Septiadi, R., Gunawan, R., & Mukhtar, H. (2022). K-Nearest Neighbor (KNN) untuk Menganalisis Sentimen terhadap Kebijakan Merdeka Belajar Kampus Merdeka pada Komentar Twitter. Jurnal CoSciTech (Computer Science and Information Technology), 3(2), 152-158.”
[11] M. H. Alsharif, A. H. Kelechi, K. Yahya, and S. A. Chaudhry, “Machine learning algorithms for smart data analysis in internet of things environment: Taxonomies and research trends,” Symmetry (Basel), vol. 12, no. 1, 2020, doi: 10.3390/SYM12010088.
[12] S. Sawla, “Introduction to Naive Bayes for Classification.”
[13] B. Wagh, J. v Shinde, and N. R. Wankhade, “Sentimental Analysis on Twitter Data using Naive Bayes,” International Journal of Advanced Research in Computer and Communication Engineering, vol. 5, pp. 316–319, 2016.
[14] A. Troya, R. G. Pillai, C. R. Rivero, Z. Genç, S. Kayal, and D. Araci, “Aspect-Based Sentiment Analysis of Social Media Data With Pre-Trained Language Models,” 2021 5th International Conference on Natural Language Processing and Information Retrieval (NLPIR), 2021.
[15] P. E. Akilandeswari, R. Harshita, and Sumanth. Ko.M, “Sentiment Analysis using Machine Learning through Twitter Streaming API,” International Journal of Engineering & Technology, 2018.
[16] R. and S. H. and K. V. and M. E. Chandrasekaran Ranganathan and Desai, “Examining Public Sentiments and Attitudes Toward COVID-19 Vaccination: Infoveillance Study Using Twitter Posts,” JMIR Infodemiology, vol. 2, no. 1, p. e33909, Apr. 2022, doi: 10.2196/33909.
[17] F. S. Mufidah, S. Winarno, F. Alzami, E. D. Udayanti, and R. R. Sani, “Analisis Sentimen Masyarakat Terhadap Layanan Shopeefood Melalui Media Sosial Twitter Dengan Algoritma Naïve Bayes Classifier,” JOINS (Journal of Information System), vol. 7, no. 1, pp. 14–25, May 2022, doi: 10.33633/joins.v7i1.5883.
[18] A. Perdana, A. Hermawan, and D. Avianto, “Analisis Sentimen Terhadap Isu Penundaan Pemilu di Twitter Menggunakan Naive Bayes Clasifier,” Jurnal Sisfokom (Sistem Informasi dan Komputer), vol. 11, no. 2, pp. 195–200, Jul. 2022, doi: 10.32736/sisfokom.v11i2.1412.
[19] A. E. Budiman and A. Widjaja, “Analisis Pengaruh Teks Preprocessing Terhadap Deteksi Plagiarisme Pada Dokumen Tugas Akhir,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 6, no. 3, Dec. 2020, doi: 10.28932/jutisi.v6i3.2892.
[20] F. Z. Tala, “A Study of Stemming Effects on Information Retrieval in Bahasa Indonesia.”
[21] D. Alita, Y. Fernando, and H. Sulistiani, “IMPLEMENTASI ALGORITMA MULTICLASS SVM PADA OPINI PUBLIK BERBAHASA INDONESIA DI TWITTER,” Jurnal TEKNOKOMPAK, vol. 14, no. 2, p. 86, 2020.
[22] M. A. Djamaludin, A. Triayudi, and E. Mardiani, “Analisis Sentimen Tweet KRI Nanggala 402 di Twitter menggunakan Metode Naïve Bayes Classifier,” Jurnal Teknologi Informasi dan Komunikasi), vol. 6, no. 2, p. 2022, 2022, doi: 10.35870/jti.