indonesi ANALISIS SENTIMEN MASYARAKAT MENGENAI REVISI UNDANG-UNDANG DESA PADA MEDIA SOSIAL TWITTER DENGAN MENGGUNAKAN METODE NAIVE BAYES DAN FEATURE SELECTION PARTICLE SWARM OPTIMIZATION
indonesia
Abstract
Disahkannya Undang-undang No. 6 Tahun 2014 tentang Desa (selanjutnya disebut UU Desa) pada 15 Januari 2014 merupakan sebuah tonggak bersejarah dalam sejarah kebijakan mengenai desa. Menurut laman dpr.go.id Ribuan Kepala Desa melakukan unjuk rasa pada tanggal 17 Januri 2023 menuntut revisi bagi Undang-Undang Nomor 6 tahun 2014 tentang Desa, di halaman Gedung DPR RI Satu di antara aspirasi yang disampaikan pengunjuk rasa tersebut adalah mengenai masa jabatan kepala desa yang diperpanjang menjadi sembilan tahun. Alasan tersebut menjadi faktor adanya komentar pro dan kontra mengenai Undang-undang desa ini yang menuai banyak respon berupa tweets dari berbagai kalangan masyarakat, sehingga menghasilkan banyak jejak tweets yang di dalamnya berisikan opini masyarakat mengenai revisi Undang-undang desa tahun 2023 pada media sosial twitter. Penelitian ini bertujuan untuk mengetahui hasil klasifikasi sentimen masyarakat mengenai Undang Undang Desa pada social media twitter dan untuk mengetahui hasil accuracy, precision, recall yang dihasilkan dari penggunaan metode Naïve Bayes dan feature selection Particle Swarm Optimization pada software RapidMiner Studio. Naïve Bayes Classifier merupakan salah satu metode machine learning yang menggunakan perhitungan probabilitas. Particle Swarm Optimization adalah metode optimasi yang terinspirasi dari perilaku kawanan ikan dan unggas dalam mencari sumber makanan. Tahap preprocessing pada penelitian ini meliputi cleansing, remove duplicate, seleksi data, normalisasi, case folding, tokenizing, filtering, stopwords, stemming, dan labeling. Hasil klasifikasi yang didapat 52,15% pengguna twitter berkomentar positif dan 47,85% pengguna twitter berkomentar negatif mengenai Undang-Undang Desa. Nilai accuracy yang didapatkan meningkat sebanyak 4,18% dari 72,53% menjadi 76,71%, nilai precision yang didapatkan meningkat sebanyak 4,13% dari 72,22% menjadi 76,35%, dan nilai recall yang didapatkan meningkat sebanyak 4,98% dari 72,50% menjadi 77,48%.
References
A. Prasetyo and A. Muis, “Pengelolaan Keuangan Desa Pasca UU No. 6 Tahun 2014 Tentang Desa: Potensi Permasalahan dan Solusi,” J. Desentralisasi, vol. 13, no. 1, pp. 16–31, 2015, doi: 10.37378/jd.2015.1.16-31.
Jaka, “Gus Muhaimin Dukung Penuh Revisi UU Desa Masuk Prolegnas Prioritas,” dpr.go.id, 2023. https://www.dpr.go.id/berita/detail/id/42783/t/Gus+Muhaimin+Dukung+Penuh+Revisi+UU+Desa+Masuk+Prolegnas+Prioritas
D. Darmajati, “Masa Jabatan Kepala Desa Diperpanjang Jadi 9 Tahun, Dukung atau Tolak?,” detikNews, 2023. https://news.detik.com/pro-kontra/d-6526370/masa-jabatan-kepala-desa-diperpanjang-jadi-9-tahun-dukung-atau-tolak
Y. Cahyono, “Analisis Sentiment pada Sosial Media Twitter Menggunakan Naїve Bayes Classifier dengan Feature Selection Particle Swarm Optimization dan Term Frequency,” J. Inform. Univ. Pamulang, vol. 2, no. 1, p. 14, 2017, doi: 10.32493/informatika.v2i1.1500.
I. Kurniawan and A. Susanto, “Implementasi Metode K-Means dan Naïve Bayes Classifier untuk Analisis Sentimen Pemilihan Presiden (Pilpres) 2019,” Eksplora Inform., vol. 9, no. 1, pp. 1–10, 2019, doi: 10.30864/eksplora.v9i1.237.
F. Ratnawati, “Implementasi Algoritma Naive Bayes Terhadap Analisis Sentimen Opini Film Pada Twitter,” INOVTEK Polbeng - Seri Inform., vol. 3, no. 1, p. 50, 2018, doi: 10.35314/isi.v3i1.335.
R. P. Sidiq, B. A. Dermawan, and Y. Umaidah, “Sentimen Analisis Komentar Toxic pada Grup Facebook Game Online Menggunakan Klasifikasi Naïve Bayes,” vol. 5, no. 3, pp. 356–363, 2020.
S. Kurniawan, W. Gata, D. A. Puspitawati, N. -, M. Tabrani, and K. Novel, “Perbandingan Metode Klasifikasi Analisis Sentimen Tokoh Politik Pada Komentar Media Berita Online,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 3, no. 2, pp. 176–183, 2019, doi: 10.29207/resti.v3i2.935.
F. V. Sari and A. Wibowo, “Analisis Sentimen Pelanggan Toko Online Jd.Id Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi,” J. SIMETRIS, vol. 10, no. 2, pp. 681–686, 2019.
P. Gamallo and M. Garcia, “Citius: A Naive-Bayes Strategy for Sentiment Analysis on English Tweets,” 8th Int. Work. Semant. Eval. SemEval 2014 - co-located with 25th Int. Conf. Comput. Linguist. COLING 2014, Proc., no. SemEval, pp. 171–175, 2014, doi: 10.3115/v1/s14-2026.
A. Srivastava, V. Singh, and G. S. Drall, “Sentiment analysis of twitter data: A hybrid approach,” Int. J. Healthc. Inf. Syst. Informatics, vol. 14, no. 2, pp. 1–16, 2019, doi: 10.4018/IJHISI.2019040101.
V. A. Fitri, R. Andreswari, and M. A. Hasibuan, “Sentiment analysis of social media Twitter with case of Anti-LGBT campaign in Indonesia using Naïve Bayes, decision tree, and random forest algorithm,” Procedia Comput. Sci., vol. 161, pp. 765–772, 2019, doi: 10.1016/j.procs.2019.11.181.
H. Tuhuteru and A. Iriani, “Analisis Sentimen Perusahaan Listrik Negara Cabang Ambon Menggunakan Metode Support Vector Machine dan Naive Bayes Classifier,” J. Inform. J. Pengemb. IT, vol. 3, no. 3, pp. 394–401, 2018, doi: 10.30591/jpit.v3i3.977.
Y. Cahyono and S. Saprudin, “Analisis Sentiment Tweets Berbahasa Sunda Menggunakan Naive Bayes Classifier dengan Seleksi Feature Chi Squared Statistic,” J. Inform. Univ. Pamulang, vol. 4, no. 3, p. 87, 2019, doi: 10.32493/informatika.v4i3.3186.
N. 6 UU, “Undang - Undang n0 6 tahun 2014,” pp. 1–71, 2014.
ed. Aliansyah, Muhamad Agil. Fadil, Iqbal, “UU Desa disahkan, dana sebesar Rp 104,6 triliun dikucurkan,” merdeka. http://www.merdeka.com/
B. G. Sudarsono, M. I. Leo, A. Santoso, and F. Hendrawan, “Analisis Data Mining Data Netflix Menggunakan Aplikasi Rapid Miner,” JBASE - J. Bus. Audit Inf. Syst., vol. 4, no. 1, pp. 13–21, 2021, doi: 10.30813/jbase.v4i1.2729.
S. Widaningsih, “Perbandingan Metode Data Mining Untuk Prediksi Nilai Dan Waktu Kelulusan Mahasiswa Prodi Teknik Informatika Dengan Algoritma C4,5, Naïve Bayes, Knn Dan Svm,” J. Tekno Insentif, vol. 13, no. 1, pp. 16–25, 2019, doi: 10.36787/jti.v13i1.78.
J. S. Informasi et al., “Ermawati, Algoritma Klasifikasi C4.5 Berbasis Particle Swarm Optimization Untuk Prediksi Penerima Bantuan Pangan Non Tunai 513,” vol. 8, no. September, pp. 513–528, 2019.
S. Haryati, A. Sudarsono, and E. Suryana, “Implementasi Data Mining Untuk Memprediksi Masa Studi Mahasiswa Menggunakan Algoritma C4.5 (Studi Kasus: Universitas Dehasen Bengkulu),” J. Media Infotama, vol. 11, no. 2, pp. 130–138, 2015.
P. Soepomo, “Penerapan Text Mining Pada Sistem Klasifikasi Email Spam Menggunakan Naive Bayes,” Penerapan Text Min. Pada Sist. Klasifikasi Email Spam Menggunakan Naive Bayes, vol. 2, no. 3, pp. 73–83, 2014.
R. yana Yanis, “Sentiment Analysis of Bpjs Kesehatan Services To Smk Eklesia and Bina Insani Jailolo Teachers,” J. Terap. Teknol. Inf., vol. 2, no. 2, pp. 113–122, 2018, doi: 10.21460/jutei.2018.22.105.
K. J. Prayoga, A. Nugroho, D. Tri, and N. Wiyatno, “Komparasi Feature Selection Particle Swarm Optimization (Pso) Dengan Genetic Algorithm (Ga) Terhadap Algoritma Naïve Bayes Pada Analisis Sentiment Twitter,” e-Prosiding SNasTekS, vol. 1, no. 1, pp. 299–314, 2019, [Online]. Available: https://journal.unusida.ac.id/index.php/snts/article/view/99
P. S. M. Suryani, L. Linawati, and K. O. Saputra, “Penggunaan Metode Naïve Bayes Classifier pada Analisis Sentimen Facebook Berbahasa Indonesia,” Maj. Ilm. Teknol. Elektro, vol. 18, no. 1, p. 145, 2019, doi: 10.24843/mite.2019.v18i01.p22.
D. Darwis, N. Siskawati, and Z. Abidin, “Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Review Data Twitter Bmkg Nasional,” J. Tekno Kompak, vol. 15, no. 1, p. 131, 2021, doi: 10.33365/jtk.v15i1.744.
G. Carleo et al., “Machine learning and the physical sciences,” Rev. Mod. Phys., vol. 91, no. 4, 2019, doi: 10.1103/RevModPhys.91.045002.
S. Kushwaha et al., “Significant Applications of Machine Learning for COVID-19 Pandemic,” J. Ind. Integr. Manag., vol. 05, no. 04, pp. 453–479, Nov. 2020, doi: 10.1142/S2424862220500268.
E. Retnoningsih and R. Pramudita, “Mengenal Machine Learning Dengan Teknik Supervised Dan Unsupervised Learning Menggunakan Python,” Bina Insa. Ict J., vol. 7, no. 2, p. 156, 2020, doi: 10.51211/biict.v7i2.1422.
E. Ermawati, “ALGORITMA KLASIFIKASI C4.5 BERBASIS PARTICLE SWARM OPTIMIZATION UNTUK PREDIKSI PENERIMA BANTUAN PANGAN NON TUNAI,” SISTEMASI, vol. 8, no. 3, p. 513, 2019, doi: 10.32520/stmsi.v8i3.576.
A. Saleh and F. Nasari, “Penggunaan Teknik Unsupervised Discretization pada Metode Naive Bayes dalam Menentukan Jurusan Siswa Madrasah Aliyah,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 3, p. 353, 2018, doi: 10.25126/jtiik.201853705.
A. Taufiq, “MEDIA SOSIAL TWITTER MENGGUNAKAN ALGORITMA NAIVE Text Mining,” Pelita Teknol. J. Ilm. Inform. Arsit. dan Lingkung., vol. 14, no. 1, pp. 1–15, 2019, [Online]. Available: https://ecampus.pelitabangsa.ac.id/pb/AmbilLampiran?ref=27389&jurusan=&jenis=Item&usingId=false&download=false&clazz=ais.database.model.file.LampiranLain
K. Ramadhan and K. M. L, “Analisis Sentimen Terhadap Toko Online Menggunakan Naïve Bayes pada Media Sosial Twitter,” e-Proceeding Eng., vol. 5, no. 3, pp. 8141–8151, 2018.
J. Claussen and C. Peukert, “Obtaining Data from the Internet: A Guide to Data Crawling in Management Research,” SSRN Electron. J., pp. 1–38, 2019, doi: 10.2139/ssrn.3403799.
I. L. Rais and J. Jondri, “Klasifikasi Data Kuesioner dengan Metode Recurrent Neural Network,” eProceedings Eng., vol. 7, no. 1, pp. 2817–2826, 2020.
M. S. Utomo, “Stopword Dinamis dengan Pendekatan Statistik,” J. Inform. Upgris, pp. 140–148, 2015.
