MUHAMMAD TAUFIQ, - (2025) ANALISIS SENTIMEN MASYARAKAT MENGENAI RELOKASI PENDUDUK REMPANG PADA MEDIA SOSIALX MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER. Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU.

Preview	Text (BAB GABUNGAN) SKRIPSI LENGKAP KECUALI BAB HASIL - MUHAMMAD TAUFIQ.pdf - Published Version Download (8MB) | Preview
	Text (BAB HASIL) BAB HASIL - MUHAMMAD TAUFIQ.pdf - Published Version Restricted to Repository staff only Download (8MB)
Preview	Text (PERNYATAAN PUBLIKASI) PUBLIKASI_compressed - MUHAMMAD TAUFIQ.pdf - Published Version Download (211kB) | Preview

Abstract

Media sosial X telah menjadi salah satu sarana utama bagi masyarakat dalam menyampaikan opini terhadap isu publik, termasuk kebijakan relokasi penduduk Pulau Rempang sebagai bagian dari Proyek Strategis Nasional (PSN). Permasalahan yang muncul adalah opini publik yang tidak terstruktur, beragam, dan tersebar luas, sehingga menyulitkan proses klasifikasi secara manual dan objektif. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem klasifikasi sentimen otomatis terhadap opini masyarakat dengan pendekatan kombinasi leksikal dan pembelajaran mesin. Sebanyak 1.000 tweet relevan dikumpulkan melalui proses crawling dan disaring berdasarkan enam kriteria utama, yaitu: penggunaan bahasa Indonesia, kebermaknaan konten, panjang teks minimal 25 kata, relevansi dengan kata kunci “Rempang”, penghapusan duplikasi, serta penghilangan tweet yang hanya berisi metadata. Pelabelan sentimen dilakukan secara otomatis menggunakan InSet Lexicon, sedangkan representasi fitur teks dilakukan dengan metode TF-IDF. Algoritma Naïve Bayes Classifier digunakan sebagai model klasifikasi dan dievaluasi menggunakan confusion matrix, classification report, dan 10-fold cross-validation. Hasil evaluasi menunjukkan bahwa model mampu mengklasifikasikan sentimen pro dan kontra secara efektif, dengan akurasi tertinggi pada data uji sebesar 81,00% (rasio 90:10), dan akurasi validasi silang tertinggi sebesar 80,03% (rasio 80:20). Precision tertinggi diperoleh pada kelas pro (hingga 93%), sedangkan recall tertinggi pada kelas kontra (hingga 89%). Pendekatan ini terbukti efisien dan akurat untuk menganalisis opini publik berbasis media sosial, serta memiliki potensi untuk diterapkan pada isu-isu sosial lainnya yang relevan.

Actions (login required)

View Item