PENERAPAN METODE NAÏVE BAYES CLASSIFIER DAN LEXICON BASED UNTUK ANALISIS SENTIMEN CYBERBULLYING PADA BPJS

Abstract

Presiden Joko Widodo menerbitkan Instruksi Presiden Republik Indonesia Nomor 1 Tahun 2022 tentang Optimalisasi Pelaksanaan Program Jaminan Kesehatan Nasional. Inpres tersebut mengatur syarat mengurus sejumlah layanan publik seperti jual beli tanah, membuat SIM, SKCK, haji dan umrah harus terdaftar sebagai peserta BPJS Kesehatan. Peraturan tersebut dimulai per 1 Maret 2022. Tetapi, yang menjadi persoalan adalah ketika berpendapat tidak berlandaskan etika, sehingga muncul adanya cemooh atau menyudutkan pihak yang bersangkutan, maka bisa mengakibatkan adanya tindak cyberbullying. Untuk itu, perlu dilakukan menganalisis sentimen pada komentar Twitter untuk mengklasifikasikan tweet yang mengandung cyberbullying atau non cyberbullying. Metode yang digunakan dalam penelitian ini adalah deskriptif kualitatif dengan algoritma pengolahan data cyberbullying menggunakan Naive Bayes Classifier dan Lexicon Based. Proses dimulai dari pengambilan data tweet, pre-processing, pembobotan TF-IDF, performa Naive Bayes Classifier. Kemudian dilakukan proses klasifikasi menggunakan metode Lexicon Based dengan hasil keluaran sistem berupa identifkasi apakah tweet termasuk cyberbullying atau non cyberbullying. Pada penelitian ini, didapatkan hasil performansi dari Naive Bayes Classifier menghasilkan akurasi 80%, sedangkan Lexicon Based menghasilkan akurasi 22%. Setelah membandingkan kedua metode, maka kesimpulan yang dapat diambil adalah Naive Bayes Classifier lebih baik dan lebih akurat daripada Lexicon Based.