ANALISIS SENTIMEN MASYARAKAT TERHADAP KEBIJAKAN PUBLIK DI MEDIA SOSIAL MENGGUNAKAN METODE NAÏVE BAYES

Abstrak

Perkembangan media sosial telah menjadi saluran utama bagi masyarakat dalam menyampaikan opini, kritik, maupun dukungan terhadap kebijakan publik. Volume data teks yang masif, dinamis, dan tidak terstruktur menuntut pendekatan komputasional yang efisien untuk memetakan sentimen publik secara objektif. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap kebijakan publik yang dibahas di media sosial dengan menerapkan algoritma klasifikasi Naïve Bayes. Data dikumpulkan melalui teknik web scraping/crawling dari platform media sosial, kemudian diproses melalui tahapan pra-pemrosesan teks yang mencakup pembersihan data, case folding, tokenisasi, penghapusan stopword, dan stemming. Fitur teks direpresentasikan menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) dan diklasifikasikan ke dalam tiga kategori sentimen: positif, negatif, dan netral. Evaluasi performa model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa metode Naïve Bayes mampu mengklasifikasikan sentimen dengan tingkat akurasi sebesar 80%, membuktikan efektivitas dan efisiensi komputasinya dalam menangani data media sosial yang bersifat noisy. Temuan ini memberikan implikasi praktis bagi pemerintah dan pemangku kebijakan dalam memantau respons publik secara real-time, mengidentifikasi isu yang mendesak, serta merumuskan kebijakan yang lebih responsif dan berbasis data.