IRVANDA, ADETIA (2026) ANALISIS SENTIMEN MASYARAKAT TERHADAP PEMERINTAH DI ERA KABINET PRABOWO SUBIANTO BERDASARKAN SOSIAL MEDIA X MENGGUNAKAN NAÏVE BAYES CLASSIFIER. S1 thesis, universitas malikussaleh.

	Text COVER.pdf Download (3MB)
	Text BAB 1.pdf Download (3MB)
	Text ABSTRAK.pdf Download (3MB)
	Text DAPUS.pdf Download (3MB)
	Text SKRIPSI ADETIA IRAVANDA FULL.pdf Restricted to Registered users only Download (3MB)

Abstract

Pemerintahan Kabinet Prabowo Subianto menuai beragam opini publik di media sosial X sejak dilantik pada 20 Oktober 2024. Opini tersebut belum dapat dibedakan secara otomatis antara sentimen positif, negatif, dan netral, sehingga pemerintah kesulitan memahami penilaian publik terhadap kebijakan yang dikeluarkan. Penelitian ini bertujuan mengimplementasikan dan mengevaluasi algoritma Naive Bayes Classifier (NBC) untuk mengklasifikasikan sentimen masyarakat terhadap kinerja pemerintahan Kabinet Prabowo Subianto berdasarkan data tweet di media sosial X. Data tweet dikumpulkan melalui proses scraping menggunakan kata kunci yang berkaitan dengan Prabowo Subianto dan Kabinet Prabowo, kemudian diproses melalui tahap cleansing, case folding, tokenizing, stopword removal, normalisasi, dan stemming. Pelabelan data dilakukan secara otomatis menggunakan InSet Lexicon, dilanjutkan dengan pembobotan kata menggunakan Term FrequencyInverse Document Frequency (TF-IDF), lalu data dibagi menjadi 70% data latih dan 30% data uji sebelum diklasifikasikan menggunakan algoritma Naive Bayes Classifier. Hasil pelabelan terhadap 587 tweet menunjukkan sentimen negatif sebesar 55,7% (327 tweet), netral 30,7% (180 tweet), dan positif 13,6% (80 tweet). Pengujian model pada 177 data uji menghasilkan akurasi sebesar 61,58%, dengan presisi, recall, dan F1-score rata-rata terboboti masing-masing sebesar 60,39%, 61,58%, dan 55,60%. Model menunjukkan kinerja terbaik pada kelas negatif dengan recall sebesar 92,93%, tetapi kinerja rendah pada kelas positif dengan recall hanya 12,50% akibat ketidakseimbangan jumlah data latih antar kelas. Hasil penelitian ini menunjukkan bahwa algoritma Naive Bayes Classifier dapat digunakan untuk mengklasifikasikan sentimen masyarakat, tetapi penanganan ketidakseimbangan kelas masih diperlukan agar sentimen positif dan netral dapat dikenali dengan lebih baik.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	ADETIA IRVANDA
Date Deposited:	24 Sep 2026 07:17
Last Modified:	24 Sep 2026 07:17
URI:	https://rama.unimal.ac.id/id/eprint/23213

Actions (login required)

View Item