M. AUDI ALFARIDZY, - (2025) KLASIFIKASI SENTIMEN MASYARAKAT TERHADAP EFISIENSI ANGGARAN PEMERINTAH MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER. JUTECH : Journal Education and Technology, 6 (1). pp. 169-182. ISSN 9772722929006

Preview	Text (JURNAL ARTIKEL) M. AUDI ALFARIDZY NIM. 12050117689 - M. AUDI ALFARIDZY Teknik Informatika.pdf - Published Version Download (3MB) | Preview
Preview	Text (PERNYATAAN PUBLIKASI MAHASISWA) Surat Pernyataan Setuju Publikasi M. Audi Alfaridzy - M. AUDI ALFARIDZY Teknik Informatika.pdf - Published Version Download (383kB) | Preview
Preview	Text (PERNYATAAN PUBLIKASI DOSEN) Form Persetujuan Publikasi - M. AUDI ALFARIDZY Teknik Informatika.pdf - Published Version Download (236kB) | Preview

Abstract

Kebijakan efisiensi anggaran pemerintah Indonesia tahun 2025 merupakan respons terhadap kebutuhan penguatan fiskal dan pengalokasian ulang anggaran untuk program prioritas nasional. Melalui Instruksi Presiden Nomor 1 Tahun 2025, pemerintah menetapkan penghematan sebesar Rp306,7 triliun dengan memotong belanja kementerian/lembaga dan transfer ke daerah. Meskipun ditujukan untuk mendukung program strategis seperti Makan Bergizi Gratis (MBG), kebijakan ini menimbulkan dampak signifikan, seperti pemangkasan anggaran lembaga penting (misalnya BMKG) lebih dari 50%, pembatalan proyek infrastruktur, serta pengurangan tenaga kerja di sektor media publik. Kondisi ini menimbulkan perdebatan di tengah masyarakat terkait kebutuhan penghematan dan potensi risikonya terhadap pelayanan publik, investasi, serta pemerataan pembangunan. Penelitian ini bertujuan mengklasifikasikan sentimen masyarakat terhadap kebijakan efisiensi anggaran berdasarkan komentar dari media sosial Instagram. Tahapan penelitian meliputi pengumpulan data, pelabelan manual, cleaning, case folding, tokenizing, normalisasi, negation handling, stopword removal, stemming, pembobotan TF-IDF, klasifikasi dengan Naïve Bayes, dan pengujian. Sebanyak 1.408 komentar dari dua akun Instagram diklasifikasikan menggunakan metode Naïve Bayes Classifier dengan hasil akurasi 90,74%, presisi 85,16%, recall 98,51%, dan F1-score 91,35%. Hasil penelitian ini membuktikan bahwa metode yang digunakan mampu mengklasifikasikan sentimen dengan tingkat akurasi yang memadai.

Actions (login required)

View Item