ANALISIS SENTIMEN TERHADAP TAGAR #KABURAJADULU DI MEDIA SOSIAL X MENGGUNAKAN METODE NAÏVE BAYES

Abstract

Tingginya aktivitas masyarakat Indonesia di media sosial, khususnya platform X (dahulu Twitter), mencerminkan kuatnya opini publik terhadap berbagai isu sosial, termasuk kritik terhadap kebijakan pemerintah. Salah satu fenomena yang viral adalah tagar #kaburajadulu, yang merepresentasikan ekspresi kekecewaan terhadap kondisi sosial, ekonomi, dan politik. Penelitian ini bertujuan untuk mengklasifikasikan sentimen masyarakat terhadap tagar tersebut ke dalam tiga kategori: positif, negatif, dan netral, serta mengevaluasi performa metode Naïve Bayes Multinomial dalam klasifikasi sentimen. Data dikumpulkan melalui proses crawling dari platform X, kemudian diproses melalui tahap pra-pemrosesan teks, pelabelan menggunakan InSet Lexicon, dan pembobotan fitur menggunakan TF-IDF. Model Naïve Bayes dilatih dan diuji dengan pembagian data 80:20 serta dievaluasi menggunakan 10-Fold Cross Validation dengan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkanbahwa model berhasil mengklasifikasikan sentimen negatif dengan baik (akurasi 75%), namun belum optimal dalam mengenali sentimen positif dan netral. Penelitian ini mengonfirmasi dominasi opini negatif terhadap tagar #kaburajadulu dan membuka peluang pengembangan metode klasifikasi yang lebih kompleks pada isu-isu sosial digital.