ANALISIS SENTIMEN TANGGAPAN MASYARAKAT TERHADAPBANTUAN SOSIALPEMERINTAH DI MASA PANDEMI COVID-19 PADA PLATFORM TWITTER
Article Sidebar
Main Article Content
Abstract
The study was conducted to analyze public opinion about the government's efforts in overcoming the Covid- 19 pandemic by providing social assistance (bansos) in the form of goods, money and or services. Through social media Twitter with the topic of social assistance, the classification of positive, neutral or negative sentiments will be carried out. The results of this classification will reveal what social assistance topics are often discussed on Twitter. This classification process uses the Naive Bayes method and uses the RapidMiner application. The data used in this analysis process is 747 Twitter comment text data with a data collection time span from October to November. The classification process is supported by the Term Frequency-Inverse Document Frequency feature as the word weighting stage. This classification produces 2,382 word attributes or word vectors from 747 data, with 370 sample data for model testing which produces an accuration value of 24.32%, a true neutral recall value of 100%, and a true neutral precision value of 24.32%. The word that most often appears from the results of this sentiment analysis is the word "bantuan".
Article Details
This work is licensed under a Jurnal Komunikasi Creative Commons Attribution-ShareAlike 4.0 International License.
References
Kemenkeu.go.id. (2020). Pemerintah Waspada Dampak Pandemi Covid-19 Terhadap Ekonomi Indonesia. SP – 27
/KLI/2020. Kementerian Keuangan. Jakarta.
Ting, S. L., Ip, W. H., & Tsang, A. H. (2011). Is Naive Bayes a good classifier for document classification. International Journal of Software Engineering and Its Applications, 5(3), 37-46.
Krisdiyanto, T. (2021). Analisis Sentimen Opini Masyarakat Indonesia Terhadap Kebijakan PPKM pada Media Sosial Twitter Menggunakan Naïve Bayes Classifiers. Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu omputer dan Teknologi Informasi , 7 (1), 32-37
Abdurrahman, M. S. (2018). Twitter dan Ruang Publik Pemerintahan Lokal yang Partisipatif (Telaah atas Komunikasi Politik Ridwan Kamil Melalui Twitter). Jurnal PIKOM (Penelitian Komunikasi dan Pembangunan), 15(2), 152-168.
Republik Indonesia. (2019). Undang-undang Nomor 14 Tahun 2019 tentang Pekerja Sosial. Lembaran Negara RI Tahun 2019 No. 182, Tambahan Lembaran Negara RI Tahun 2019 No. 6397. Sekretariat Negara. Jakarta.
Menteri Keuangan RI. (2020). Peraturan Mentri Keuangan Republik Indonesia Nomor 43 Tahun 2020 tentang Mekanisme Pelaksanaan Anggaran Belanja atas Beban Anggaran Pendapatan dan Belanja Negara dalam Penanganan Pandemi Corona Virus Disease 2019. Kementerian Keuangan. Jakarta.
Tysara, L. (20 September 2021). Bansos yang Cair Bulan September sampai Desember 2021 dan Cara Mendapatkannya. Liputan6.com. https://hot.liputan6.com/read/4662415/bansos-yang-cair- bulan-september-sampai-desember-2021-dan-cara- mendapatkannya
Imron, A. (2019). Analisis sentimen terhadap tempat wisata di kabupaten Rembang menggunakan metode Naive Bayes Classifier. Skripsi. Yogyakarta: UII.
Suryani, PSM, Linawati, L., & Saputra, KO (2019). Penggunaan Metode Naïve Bayes Classifier pada Analisis Sentimen Facebook Berbahasa Indonesia. Mayor Ilm. teknol. Elektro , 18 (1), 145.Castleman, Kenneth R., 1998, “Digital Image Processing”, Prentice Hall, New Jersey.
Attabi, A. W., Muflikhah, L., & Fauzi, M. A. (2018). Penerapan Analisis Sentimen untuk Menilai Suatu Produk pada Twitter Berbahasa Indonesia dengan Metode Naïve Bayes Classifier dan Information Gain. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN, 2548, 964X.
Cahyono, Y., & Saprudin, S. (2019). Analisis Sentimen Tweets Berbahasa Sunda Menggunakan Naive Bayes Classifier dengan Seleksi Feature Chi Squared Statistic. Jurnal Informatika Universitas Pamulang , 4 (3), 87-94.
Aprilla, D., Baskoro, D. A., Ambarwati, L., & Wicaksana,
I. W. S. (2013). Belajar data mining dengan rapidminer. Jakarta: Gramedia Pustaka Utama.
Jannah, M., & Sarwandi, C. C. (2019). Mahir Bahasa Pemrograman PHP. Elex Media Komputindo.
Melita, R. (2018). Penerapan Metode Term Frequency Inverse Document Frequency (Tf-Idf) Dan Cosine Similarity Pada Sistem Temu Kembali Informasi Untuk Mengetahui Syarah Hadits Berbasis Web (Studi Kasus: Hadits Shahih Bukhari-Muslim) (Bachelor's thesis, Fakultas Sains dan Teknologi UIN Syarif Hidayatullah Jakarta).
Muslehatin, W., Ibnu, M., & Mustakim, M. (2017). Penerapan Naïve Bayes Classification untuk Klasifikasi Tingkat Kemungkinan Obesitas Mahasiswa Sistem Informasi UIN Suska Riau. In Seminar Nasional Teknologi Informasi Komunikasi dan Industri (pp. 250- 256).