ANALISIS SENTIMEN ISU DUGAAN KORUPSI IMPOR GULA PADA KEMENTRIAN PERDAGANGAN DENGAN PENDEKATAN NATURAL LANGUAGE PROCESSING
Keywords:
Korupsi Impor Gula, Analisis Sentimen, Natural Language Processing, Vader SentimentAbstract
Korupsi merupakan salah satu isu besar yang memiliki dampak negatif signifikan terhadap berbagai aspek kehidupan masyarakat. Khusus pada sektor perdagangan . Emosi Masyarakat menjadi topik utama dalam memberikan komentar terkait isu. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap isu dugaan korupsi impor gula pada Kementerian Perdagangan melalui media sosial X.com (Twitter) menggunakan pendekatan Natural Language Processing (NLP) dan analisis sentimen berbasis Vader Sentiment. Data yang digunakan terdiri dari 1021 tweet yang diambil melalui crawling data menggunakan Google Colab. Proses analisis meliputi beberapa tahap preprocessing, antara lain cleaning, case folding, normalisasi, tokenisasi, stopword removal, dan stemming. Hasil analisis sentimen menunjukkan bahwa mayoritas tweet memiliki sentimen netral (95,2%), diikuti dengan sentimen negatif (2,9%) dan positif (1,9%). Kata "korupsi" muncul sebanyak 880 kali dalam tweet dengan sentimen netral, menandakan dominasi percakapan yang berfokus pada informasi tanpa sikap tegas. Meskipun terdapat sedikit sentimen positif, hal ini mencerminkan harapan terhadap pemberantasan korupsi. Penelitian ini memberikan kontribusi dalam pemahaman publik terkait persepsi terhadap isu dugaan korupsi impor gula dan pentingnya meningkatkan transparansi serta kepercayaan publik terhadap penegakan hukum
References
S. Anmuni, S. Asa, dan H. Amalo, “Implementasi Wewenang Intelejen Kejaksaan dalam Mengungkap Dugaan Tindak Pidana Korupsi di Kabupaten Timor Tengah Utara,” COMSERVA J. Penelit. Dan Pengabdi. Masy., vol. 3, no. 02, hlm. 498–505, Jun 2023, doi: 10.59141/comserva.v3i02.786.
A. M. L. Toruan, B. M. Panjaitan, E. M. K. Tumangger, R. N. Ulfa, dan G. D. Panjaitan, “Penggunaan NLP dalam Analisis Sentimen untuk Meningkatkan Kepuasan Pelanggan pada Pengguna E-commerce: Lazada”.
R. Pramudiya, A. Kadafi, dan D. Udjulawa, “Analisis Sentimen Opini Publik terhadap Kasus Korupsi Timah di Youtube Menggunakan Metode Oversampling dan Algoritma Decision Tree,” Arcitech J. Comput. Sci. Artif. Intell., vol. 4, no. 1, hlm. 1, Jun 2024, doi: 10.29240/arcitech.v4i1.10472.
N. W. A. S. Aprilia dan A. R. Isnain, “Analisis Sentimen Terhadap Media Sosial Twitter dengan Kasus Kampanye Anti-Korupsi di Indonesia Menggunakan Naive Bayes,” J. MEDIA Inform. BUDIDARMA, vol. 8, no. 2, hlm. 695, Apr 2024, doi: 10.30865/mib.v8i2.7582.
S. Helmiyah dan A. Verdian, “JURNAL PENDIDIKAN STKIP ROSALIA LAMPUNG”.
Muhammad Fernanda Naufal Fathoni, Eva Yulia Puspaningrum, dan Andreas Nugroho Sihananto, “Perbandingan Performa Labeling Lexicon InSet dan VADER pada Analisa Sentimen Rohingya di Aplikasi X dengan SVM,” Modem J. Inform. Dan Sains Teknol., vol. 2, no. 3, hlm. 62–76, Jul 2024, doi: 10.62951/modem.v2i3.112.
A. A. Sumanjaya, “Analisis Sentimen Data Tweets terhadap Penanganan Covid-19 di Indonesia menggunakan Metode Naïve Bayes dan Pemilihan Kata Bersentimen menggunakan Lexicon Based”.
Syakir dan F. N. Hasan, “Analisis Sentimen Masyarakat Terhadap Perilaku Korupsi Pejabat Pemerintah Berdasarkan Tweet Menggunakan Naive Bayes Classifier,” J. MEDIA Inform. BUDIDARMA, vol. 7, no. 4, hlm. 1796, Okt 2023, doi: 10.30865/mibv7i4.6648.
D. P. Donny, “Analisis Sentimen Opini Publik Terhadap Chatgpt di Twitter Menggunakan Metode Naive Bayes,” J. Nas. Ilmu Komput., vol. 4, no. 4, hlm. 35–44, Nov 2023, doi: 10.47747/jurnalnikv4i4.1417.
D. P. Surya, “MENGINTEGRASIKAN TEKNIK NLP DAN MACHINE LEARNING UNTUK MENINGKATKAN ANALISIS SENTIMEN,” vol. 3, 2023.
Sapto saputro, a. (2022, 04 01). "Analisis korupsi pengadaaan barang dan jasa proyek hambalang". (i. g. journal, Ed.) igj, 5(1), 16.
Syakir, A. H. (2024). "Analisis Sentimen Masyarakat Terhadap Perilaku Korupsi Pejabat Pemerintah Berdasarkan Tweet Menggunakan Naive Bayes Classifier".
Downloads
Published
Issue
Section
License
Copyright (c) 2025 ZONAsi: Jurnal Sistem Informasi
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
CC BY-SA 4.0
Attribution-ShareAlike 4.0
You are free to:
- Share — copy and redistribute the material in any medium or format for any purpose, even commercially.
- Adapt — remix, transform, and build upon the material for any purpose, even commercially.
- The licensor cannot revoke these freedoms as long as you follow the license terms.
Under the following terms:
- Attribution — You must give appropriate credit , provide a link to the license, and indicate if changes were made . You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
- ShareAlike — If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
- No additional restrictions — You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.
Notices:
You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation .
No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.
