ANALISIS SENTIMEN PRO DAN KONTRA PENGGUNA X TENTANG KEBIJAKAN PENCABUTAN STATUS PRAMUKA WAJIB DENGAN METODE NAIVE BAYES

ANALISIS SENTIMEN PRO DAN KONTRA PENGGUNA X TENTANG KEBIJAKAN PENCABUTAN STATUS PRAMUKA WAJIB DENGAN METODE NAIVE BAYES

• By Penulis: Pratama, Hendratara; Putri, Imelda Meilana; Yuatno, Faizah Masturina;
• Skripsi
• 4
• 1-63

Kegunaan media sosial X saat ini semakin beragam, salah satunya adalah sebagai tempat menyampaikan opini pribadi tentang sebuah kebijakan Pemerintah. Salah satu dari kebijakan yang mendapat perhatian lebih dari pengguna X adalah kebijakan Kemendikbud tentang pencabutan status Pramuka wajib. Kebijakan ini menarik perhatian dikarenakan sebagian dari masyarakat menyetujui hal tersebut karena dianggap sebagai kebebasan berpendapat bagi murid, tetapi sebagian juga ada yang menolak kebijakan tersebut karena Pramuka dianggap sebagai wadah yang diperlukan untuk membentuk karakter pada generasi penerus bangsa. Pada penelitian ini dilakukan analisis sentimen pro dan kontra dari pengguna X terhadap kebijakan pencabutan status Pramuka wajib dengan metode klasifikasi Naïve Bayes. Proses analisis dilakukan dengan menggunakan data yang berisikan pendapat pengguna X kemudian dilakukan pemrosesan data untuk memisahkan data yang dapat digunakan. Pengklasifikasian data ini dilakukan dengan pengenalan pendapat masyarakat tersebut termasuk ke dalam opini positif, negatif atau netral. Penelitian analisis sentimen ini dapat memudahkan masyarakat untuk melihat kesimpulan yang ada tentang opini publik pada media sosial X dalam menanggapi kebijakan tersebut. Dengan hasil uji akurasi data menggunakan Naïve Bayes Gaussian sebesar 87,27% dapat memperkuat keyakinan masyarakat.

• Katakunci Kebijakan, Pramuka, X, Naïve Bayes, Gaussian
• URL http://
• Penerbit Bina Sarana Informatika,

REFERENSI

Algifari Rismawan, S., & Syahidin, Y. (2023). Implementasi Website Berita Online

Menggunakan Metode Crawling Data Dengan Bahasa Pemrograman Python.

Jurnal Teknik Informatika Dan Sistem Informasi, 10(3), 167–178.

https://doi.org/10.35957/jatisi.v10i3.4902

Analisis, S., Satusehat, A., Wardhani, D., Astuti, R., & Saputra, D. D. (2024). Optimasi

Feature Selection Text Mining: Stemming dan Stopword. INNOVATIVE: Journal

Of Social Science Research, 4, 7537–7548.

Annisa, D. (2022). Jurnal Pendidikan dan Konseling. Jurnal Pendidikan Dan

Konseling, 4(1980), 1349–1358.

Ariyanti, L., Satria, M. N. D., & Alita, D. (2020). Sistem Informasi Akademik Dan

Administrasi Dengan Metode Extreme Programming Pada Lembaga Kursus Dan

Pelatihan. Jurnal Teknologi Dan Sistem Informasi, 1(1), 90–96.

https://doi.org/10.33365/jtsi.v1i1.214

Aryanti, D. (2022). Analisis Sentimen Ibukota Negara Baru Menggunakan Metode

Naïve Bayes Classifier. 3(4), 524–531. https://doi.org/10.47065/josh.v3i4.1944

Azis, H., Purnawansyah, P., Fattah, F., & Putri, I. P. (2020). Performa Klasifikasi K-

NN dan Cross Validation Pada Data Pasien Pengidap Penyakit Jantung. ILKOM

Jurnal Ilmiah, 12(2), 81–86. https://doi.org/10.33096/ilkom.v12i2.507.81-86

Aziz, A. (2022). Analisis Sentimen Identifikasi Opini Terhadap Produk, Layanan dan

Kebijakan Perusahaan Menggunakan Algoritma TF-IDF dan SentiStrength.

Jurnal Sains Komputer & Informatika (J-SAKTI, 6(1), 115.

Darwis, D., Siskawati, N., & Abidin, Z. (2021). Penerapan Algoritma Naive Bayes

Untuk Analisis Sentimen Review Data Twitter Bmkg Nasional. Jurnal Tekno

Kompak, 15(1), 131. https://doi.org/10.33365/jtk.v15i1.744

Desmisawati, D., Ayu Wulandari, B., & Ali, M. (2022). Ekstrakurikuler Wajib

Pendidikan KePramukaan Dalam Pelaksanaan Kurikulum 2013 Pada Sekolah

Dasar Di Gugus Muhajirin. Jurnal Pendidikan Tematik Dikdas, 7(1), 44–59.

https://doi.org/10.22437/jptd.v7i1.19507

Dharmayana, I. W. B., & Wiguna, I. B. A. A. (2021). Peran Pendidikan Pramuka

Dalam Menumbuhkan Pendidikan Karakter Anak. Padma Sari: Jurnal Ilmu

Pendidikan, 1(01), 56–70. https://doi.org/10.53977/ps.v1i01.352

Dina, D. (2021). Peningkatan Pendidikan Karakter Melalui Ekstrakulikuler Pramuka

di SMP Al-Islam Kartasur Enhancement Character Education through Scout

Extracurricular at Junior High School Al-Islam Kartasura. Pedagogik Jurnal

Pendidikan, 16(1), 25–39.

Febriyani, E., & Februariyanti, H. (2023). Analisis sentimen terhadap program kampus

merdeka menggunakan algoritma naive bayes classifier di twitter. Jurnal Tekno

Kompak, 17(1), 25–38.

https://ejurnal.teknokrat.ac.id/index.php/teknokompak/article/view/206138

Gifari, O. I., Adha, M., Freddy, F., & Durrand, F. F. S. (2022). Analisis Sentimen

Review Film Menggunakan TF-IDF dan Support Vector Machine. Journal of

Information Technology, 2(1), 36–40. https://doi.org/10.46229/jifotech.v2i1.330

K, G. N. (2023). Cara Umum Teknik Analisis Data dalam Text Analysis.

Https://Dqlab.Id/. https://dqlab.id/cara-umum-teknik-analisis-data-dalam-text-

analysis

Mardiana, L., Kusnandar, D., & Satyahadewi, N. (2022). Analisis Diskriminan

Dengan K Fold Cross Validation Untuk Klasifikasi Kualitas Air Di Kota

Pontianak. Buletin Ilmiah Mat. Stat. Dan Terapannya (Bimaster), 11(1), 97–102.

Musfiroh, D., Khaira, U., Utomo, P. E. P., & Suratno, T. (2021). Analisis Sentimen

terhadap Perkuliahan Daring di Indonesia dari Twitter Dataset Menggunakan

InSet Lexicon. MALCOM: Indonesian Journal of Machine Learning and

Computer Science, 1(1), 24–33. https://doi.org/10.57152/malcom.v1i1.20

Muzakki, M. F., Jondri, & Umbara, R. F. (2019). Analisis Sentimen Mahasiswa

Terhadap Fasilitas Universitas Telkom Menggunakan Metode Jaringan Saraf

Tiruan Dan Tf-Idf. E-Prodeceeding of Engineering, 6(2), 8608–8616.

https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/art

icle/view/9834

Nurul Chamidah, Mayanda Mega Santoni, & Nurhafifah Matondang. (2020).

Oversampling Method on Classifying Hypertension Using Naive Bayes, Decision

Tree, and Artificial Neural Network. Jurnal RESTI (Rekayasa Sistem Dan

Teknologi Informasi), 4(4), 635–641. https://doi.org/10.29207/resti.v4i4.2015

Saraswati, M., & Riminarsih, D. (2020). Commuterline Berdasarkan Data Twitter.

Jurnal Ilmiah Informatika Komputer, 25(3), 225–238.

Suprihanto, S., Awaludin, I., Fadhil, M., & Zulfikor, M. A. Z. (2022). Analisis Kinerja

ResNet-50 dalam Klasifikasi Penyakit pada Daun Kopi Robusta. Jurnal

Informatika, 9(2), 116–122. https://doi.org/10.31294/inf.v9i1.13049

Syaadah, R., Ary, M. H. A. A., Silitonga, N., & Rangkuty, S. F. (2023). Pendidikan

Formal, Pendidikan Non Formal Dan Pendidikan Informal. Pema (Jurnal

Pendidikan Dan Pengabdian Kepada Masyarakat), 2(2), 125–131.

https://doi.org/10.56832/pema.v2i2.298

Syaukha Ahmad Risyad. (2023). Manipulasi Data untuk Pengolahan? Pengertian

serta Fungsinya. Https://Dibimbing.Id/.

https://dibimbing.id/blog/detail/manipulasi-data-untuk-pengolahan

Telnoni, P. A. (2021). Pelabelan Data Dengan Latent Dirichlet Allocationdan K-

Means Clustering pada Data TwitterMenggunakan Bahasa Indonesia. Jurnal

Elektro Dan Telekomunikasi Terapan, 7(2), 885.

http://journals.telkomuniversity.ac.id/jett/article/view/3442