Search for collections on Universitas Islam Negeri Sultan Syarif Kasim Riau Repository

Analisis Sentimen Masyarakat Terhadap Penghapusan Honorer Berdasarkan Opini Dari Twitter Menggunakan Naive Bayes Classifier

Dwi Ratna Andriyani, - (2023) Analisis Sentimen Masyarakat Terhadap Penghapusan Honorer Berdasarkan Opini Dari Twitter Menggunakan Naive Bayes Classifier. Jurnal Building of Informatics, Technology and Science (BITS), 5 (1). pp. 49-58. ISSN 2684-8910 (Print) | 2685-3310 (Online)

[img]
Preview
Text
Laporan TA Dwi Ratna Andriyani.pdf - Published Version

Download (4MB) | Preview

Abstract

Penghapusan honorer saat ini menjadi perbincangan hangat yang ada diseluruh Indonesia. Berbagi cara yang dilakukan tenaga honorer agar kebijakan penghapusan honorer tidak terlaksana. Tenaga honorer kebanyakan telah menjabat selama beberapa tahun, tetapi pemerintah telah mengeluarkan surat edaran tentang penghapusan honorer. Berbagai pro dan kontra masyarakat tentang penghapusan honorer, seperti tenaga honorer dapat kehilangan pekerjaan, tidak mendapatkan penghasilan, dan pengangguran semakin banyak. Tujuan penelitian ini adalah pemerintah dapat memberikan strategi yang harus dilakukan jika terjadi penghapusan honorer, seperti mengangkat seluruh honorer menjadi Pegawai Negeri Sipil atau Pegawai Pemerintah dengan Perjanjian Kerja. Maka penghapusan honorer tersebut menjadi salah satu trending topik pada sosial media Twitter pada tahun 2022. Dari hasil analisis yang dilakukan, opini masyarakat yang memanfaatkan Twitter sangat berpengaruh untuk tenaga honorer dengan mengelompokkan opini menjadi tiga kategori yaitu opini positif, opini netral, dan opini negatf. Maka penelitian dengan text mining tersebut menggunakan algoritma Naïve Bayes Classifier dengan data dari tweets Twitter dibulan Januari 2022 hingga Desember 2022 dengan 2.705 data. Hasil penelitian ini didapatkan akurasi dengan perhitungan 10 K-fold Cross Validation terdapat pada K-10 yaitu sebesar 73,01%. Dan didapatkan polaritas sentimen terhadap penghapusan honorer pada sentimen kelas positif sebesar 10% dengan 285 data tweet, sentimen kelas netral sebesar 67% dengan 1.801 data tweet, serta sentimen kelas negatif sebesar 23% dengan 619 data tweet

Item Type: Article
Subjects: 000 Karya Umum > 003 Sistem-sistem
Divisions: Fakultas Sains dan Teknologi > Sistem Informasi
Depositing User: fsains -
Date Deposited: 12 Jul 2023 06:19
Last Modified: 12 Jul 2023 06:19
URI: http://repository.uin-suska.ac.id/id/eprint/72838

Actions (login required)

View Item View Item