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

Tsanil Hamim Aftoni; Wibowo Harry Sugiharto; Muhammad Imam Ghozali

doi:10.64626/jukomtek.v4i2.443

Penulis

Tsanil Hamim Aftoni Universitas Muria Kudus
Wibowo Harry Sugiharto
Muhammad Imam Ghozali

DOI:

https://doi.org/10.64626/jukomtek.v4i2.443

Kata Kunci:

analisis, sentimen, naive bayes, machine learning, media sosial, kabur aja dulu, twitter, opini publik

Abstrak

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 menunjukkan
bahwa 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.

Referensi

Ahmed Khan, T. et al. (2024) ‘Sentiment Analysis using Support Vector Machine and Random Forest’, Journal of Informatics and Web Engineering, 3(1), pp. 67–75. Available at: https://doi.org/10.33093/jiwe.2024.3.1.5.

Aurellia, Z. et al. (2024) Pengalaman Pengguna X Sebagai Platform Curhat (Studi Fenomenologi), Seminar Nasional Universitas Negeri Surabaya.

Darmawan, G. et al. (2023) ‘Analisis Sentimen Berdasarkan Ulasan Pengguna Aplikasi My Pertamina Pada Google Playstore Menggunakan Metode Naive Bayes’, Jurnal Ilmiah Teknik dan Ilmu Komputer, 2(3), pp. 100–108. Available at: https://doi.org/10.55123.

Duei Putri, D., Nama, G.F. and Sulistiono, W.E. (2022) ‘Analisis Sentimen Kinerja Dewan Perwakilan Rakyat (DPR) Pada Twitter Menggunakan Metode Naive Bayes Classifier’, Jurnal Informatika dan Teknik Elektro Terapan, 10(1). Available at: https://doi.org/10.23960/jitet.v10i1.2262.

Dwiramadhan, F., Wahyuddin, M.I. and Hidayatullah, D. (2022) ‘Sistem Pakar Diagnosa Penyakit Kulit Kucing Menggunakan Metode Naive Bayes Berbasis Web’, Jurnal Teknologi Informasi dan Komunikasi), 6(3), p. 2022. Available at: https://doi.org/10.35870/jti.

Haq, M.Z. et al. (2024) ‘Algoritma Naïve Bayes untuk Mengidentifikasi Hoaks di Media Sosial’, Jurnal Minfo Polgan, 13(1), pp. 1079–1084. Available at: https://doi.org/10.33395/jmp.v13i1.13937.

Isnain, A.R., Marga, N.S. and Alita, D. (2021) ‘Sentiment Analysis Of Government Policy On Corona Case Using Naive Bayes Algorithm’, IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 15(1), p. 55. Available at: https://doi.org/10.22146/ijccs.60718.

Kahi, F.R.B., Talakua, A. and Reynaldi, R. (2024) ‘Analisis Sentimen Masyarakat Di Twitter Terhadap Pemerintahan Anies Baswedan Menggunakan Metode Naive Bayes Classifier’, Jurnal Minfo Polgan, 13(1), pp. 324–336. Available at: https://doi.org/10.33395/jmp.v13i1.13636.

Meng, T. et al. (2020) ‘A survey on machine learning for data fusion’, Information Fusion, 57, pp. 115–129. Available at: https://doi.org/10.1016/j.inffus.2019.12.001.

Musfiroh, D. et al. (2021) ‘Science Sentiment Analysis of Online Lectures in Indonesia from Twitter Dataset Using InSet Lexicon Analisis Sentimen terhadap Perkuliahan Daring di Indonesia dari Twitter Dataset Menggunakan InSet Lexicon’, MALCOM: Indonesian Journal of Machine Learning and Computer , 1, pp. 24–33.

Silitonga, W.H. and Sihotang, J.I. (2019) ‘Analisis Sentimen Pemilihan Presiden Indonesia Tahun 2019 Di Twitter Berdasarkan Geolocation Menggunakan Metode Naïve Bayesian Classification’, TeIKa (Jurnal Teknonogi Informasi dan Komunikasi) , 9(2).

Syahril Dwi Prasetyo, Shofa Shofiah Hilabi and Fitri Nurapriani (2023) ‘Analisis Sentimen Relokasi Ibukota Nusantara Menggunakan Algoritma Naïve Bayes dan KNN’, Jurnal KomtekInfo, pp. 1–7. Available at: https://doi.org/10.35134/komtekinfo.v10i1.330.

Thompson, A. (2024) Digital 2024: 5 billion social media users - We Are Social Indonesia. We Are Social Indonesia, https://wearesocial.com/id/blog/2024/01/digital-2024-5-billion-social-media-users/.

Warawilis, D. (2025) ‘Analisis Sentimen dan Opini Digital Media Sosial X Pada Isu #KABURAJADULU’, Universitas Ahmad Dahlan [Preprint].

Wati, R., Ernawati, S. and Rachmi, H. (2023) ‘Pembobotan TF-IDF Menggunakan Naïve Bayes pada Sentimen Masyarakat Mengenai Isu Kenaikan BIPIH’, Jurnal Manajemen Informatika (JAMIKA), 13(1), pp. 84–93. Available at: https://doi.org/10.34010/jamika.v13i1.9424.

Zaenuddin, M. (2025) Awal Mula Tren Tagar Kabur Aja Dulu Ramai Digunakan, Mengapa? , https://www.kompas.com/tren/read/2025/02/18/083000865/awal-mula-tren-tagar-kabur-aja-dulu-ramai-digunakan-mengapa-?page=all.