ABDUL HARIS KURNIA SANDI HARAHAP, - (2025) KLASIFIKASI SENTIMEN MASYARAKAT TERHADAP REVISI UNDANG-UNDANG TENTARA NASIONAL INDONESIA MENGGUNAKAN NAÏVE BAYES CLASSIFIER. Bulletin of Computer Science Research, 5 (4). pp. 594-603. ISSN ISSN 2774-3659 (Media Online)

Preview	Text (JURNAL ARTIKEL) ABDUL HARIS KURNIA SANDI HARAHAP - panji.pdf - Published Version Download (2MB) | Preview
Preview	Text (PERNYATAAN PUBLIKASI MAHASISWA) Persetujuan Publikasi - Abdul Haris K.S.Hrp - panji.pdf - Published Version Download (608kB) | Preview
Preview	Text (PERNYATAAN PUBLIKASI DOSEN) Persetujuan Publikasi - panji.pdf Download (423kB) | Preview

Abstract

Revisi Undang-Undang Tentara Nasional Indonesia (RUU TNI) menjadi wacana hangat dalam kebijakan publik di Indonesia dan menimbulkan kontroversi di kalangan masyarakat, karena kemunculannya yang mendadak dan tidak melalui proses perencanaan yang terbuka. Hal ini menimbulkan kekhawatiran terhadap potensi dominasi militer dan kembali aktifnya dwifungsi ABRI (Angkatan Bersenjata Republik Indonesia). Klasifikasi sentimen masyarakat terhadap RUU TNI menjadi fokus penelitian. Komentar dikategorikan ke dalam dua bentuk kelas sentimen, yaitu positif dan negatif. Adapun tahapan penelitian meliputi pengumpulan data, proses pelabelan sentimen, pembersihan data, penyeragaman teks menjadi huruf kecil, pemecahan kalimat atau dokumen menjadi bagian-bagian yang lebih kecil, normalisasi data teks, penanganan negasi, Stopword Removal, dan stemming, pembobotan menggunakan teknik TF-IDF, pembangunan model klasifikasi, hingga evaluasi kinerja model yang dihasilkan. Metode Naïve Bayes Classifier mengklasifikasikan 1547 data komentar yang diambil dari 2 akun media sosial Instagram. Model Naïve Bayes Classifier memperoleh akurasi sebesar 83,74%, precision 81,17%, recall 87,86%, dan F1-score 84,38%. Penelitian ini memiliki keterbatasan, antara lain data yang dikumpulkan masih terbatas. ketidakseimbangan jumlah data antar kategori sentimen, data hanya dari satu platform media sosial, serta belum optimalnya identifikasi terhadap sentimen positif dan negatif dan disarankan untuk penelitian selanjutnya supaya membandingkan dengan metode klasifikasi lainnya, memperluas dataset, memperluas ruang lingkup pengumpulan data dengan melibatkan berbagai platform media sosial dengan rentang waktu yang lebih luas, sehingga dapat memberikan gambaran pandangan masyarakat yang lebih menyeluruh, serta menguji kombinasi algoritma yang lebih luas. Studi ini dapat dijadikan sebagai indikator awal untuk evaluasi kebijakan secara cepat, dimana komentar positif atau negatif dari masyarakat di media sosial bisa menjadi masukan penting dalam meninjau efektivitas suatu kebijakan.

Actions (login required)

View Item