Analisis Sentimen Opini Publik Terhadap Undang-Undang Cipta Kerja pada Twitter Menggunakan Metode Naive Bayes Classifier

Abstract

Analisis sentiment atau Opinion Mining merupakan cara memecahkan suatu permasalahan berdasarkan opini masyarakat yang beredar luas di media sosial yang diekspresikan dalam bentuk teks. analisis sentimen sangat membantu pemerintahan/ suatu instansi dalam mengetahui opini publik mengenai suatu kebijakan yang baru saja dikeluarkan tanpa menggunakan metode survey konvensional. Pada analisis sentimen yang dilakukan berfokus pada Trending topik tweet pada Twitter dengan trending topic pada tanggal 5 sampai 10 oktober yaitu #Omnibuslaw, #tolakruuciptakerja, #UUCiptaKerja,  dan #tolakomnibuslaw, dan trending topic pada tanggal 21 dan 22 november yaitu "obl makmurkan buruh". Proses Analisis sentimen dilakukan setelah data didapatkan pada tahapan crawling data, dilanjutkan dengan pembersihan kata pada proses preprocessing, dan pembobotan kata dengan algoritma TF-IDF. Analisis sentimen menggunakan metode naive bayes classifier bertujuan agar mendapatkan klasifikasi mengenai opini publik terhadap undang-undang cipta kerja pada twitter. Terdapat dua kelas pada penelitian ini yaitu kelas positif, dan negatif. Dari 2000 dataset yang terdiri dari 1400 tweet yang bersentimen negatif & 600 tweet yang bersifat positif dipakai akan dibagi antara data training dan data testing dengan perbandingan sebesar 60%:40%, 70%:30%, 80%:20%, dan 90%:10%. Dari hasil evaluasi pada Analisis sentimen mengenai opini publik terhadap undang-undang cipta kerja pada twitter didapatkan nilai akurasi tertinggi sebesar 94% dengan data training yang dipakai sebesar 90%, data testing sebesar 10%. Pada implementasinya, hasil dari uji sentimen menunjukkan hasil sentimen negatif yang lebih tinggi dibandingkan sentimen positif.Sentiment analysis or Opinion Mining is a way of solving a problem based on public opinion that is widely circulated on social media which is expressed in text form. Sentiment analysis is very helpful for the government / an agency in knowing public opinion about a policy that has just been issued without using conventional survey methods. The sentiment analysis carried out focuses on trending tweet topics on Twitter with trending topics on October 5 to 10 are #Omnibuslaw, #tolakruuciptakerja, #UUCiptaKerja, and #tolakomnibuslaw, and the trending topic on November 21 and 22 is "obl makmurkan buruh" . The sentiment analysis process is carried out after the data is obtained at the data crawling stage, followed by word cleaning in the preprocessing process, and word weighting with the TF-IDF algorithm. Sentiment analysis using the naive bayes classifier method aims to obtain a classification of public opinion on the job creation law on twitter. There are two classes in this study, there are positive and negative classes. The 2000 dataset consisting of 1400 tweets that have negative sentiments & 600 positive tweets used will be divided between training data and testing data with a ratio of 60%: 40%, 70%:30%, 80%:20%, and 90 %:10%. From the evaluation results on sentiment analysis regarding public opinion on the copyright law on Twitter, the highest accuracy value is 94% with training data used at 90%, testing data at 10%. In its implementation, the results of the sentiment test show that negative sentiment results are higher than positive sentiment.