Sentiment Analysis of Public Opinion Regarding Papuan Local Languages Condition Using Data Science Approach

Nur Fitrianingsih Hasan; Aisyah Aisyah; Rahman Rahman; Herlin Wonda

doi:10.31849/digitalzone.v13i2.11545

Nur Fitrianingsih Hasan Universitas Muhammadiyah Papua http://orcid.org/0000-0001-9476-0550
Aisyah Aisyah Universitas Muhammadiyah Papua
Rahman Rahman Universitas Muhammadiyah Papua
Herlin Wonda Universitas Muhammadiyah Papua

DOI: https://doi.org/10.31849/digitalzone.v13i2.11545

Keywords: sentimen opini publik, bahasa papua, data science, naive bayes, word cloud

Abstract

Regional languages can support economic empowerment and improvement through the tourism sector. Opinions from people's expressions in social media and online news collections in reporting the condition of regional languages often become headlines in cyberspace that number in the thousands, which can be used as new knowledge as a basis for making decisions through the mining method. This study aims to explore public opinion sentiment related to the condition of the Papuan language, sourced from text data in cyberspace using a data science approach, namely the classification method with text mining techniques using the naïve bayes algorithm. Public opinion sentiments are processed and the results are presented using word cloud visualization through 4 stages of data science, namely data collection, data preprocessing, modeling exploration and visualization analysis. The result of 778 opinions, 92% tend to have a positive sentiment. The analysis of public opinion sentiment is carried out by the naïve bayes algorithm which has an algorithm model accuracy of 78% and a precision of 88%. The machine learning model that was built and the word cloud visualization analysis succeeded in providing new insights regarding the condition of the Papuan language.

Downloads

Download data is not yet available.

References

H. M. . Nahak, “Upaya Melestarikan Budaya Indonesia Di Era Globalisasi,” J. Sosiol. Nusant., vol. 5, no. 1, pp. 65–76, 2019, doi: 10.33369/jsn.5.1.65-76.

L. P. S. Antari, “Bahasa Indonesia Sebagai Identitas Nasional Bangsa Indonesia,” J. Stilistika, vol. 8, no. 1, pp. 23–29, 2019, [Online]. Available: http://ejournal.unibba.ac.id/index.php/jisipol/article/view/115.

M. Mujizah, “Preservasi Dan Revitalisasi Bahasa Dan Sastra Nafri, Papua: Sebuah Bahasa Hampir Punah,” Aksara, vol. 30, no. 1, p. 75, 2018, doi: 10.29255/aksara.v30i1.217.75-88.

N. F. Hasan and M. S. A. Iribaram, “Digitizing the Papuan Regional Language Dictionary using the Rapid Application Development Method,” Matrik J. Manag. Inform. dan Rekayasa Komput., vol. 21, no. 3, pp. 710–720, 2022, doi: 10.30812/matrik.v21i3.1688.

M. Nurlaila, “Pengaruh Bahasa Daerah (Ciacia) terhadap Perkembangan Bahasa Indonesia Anak Usia 2 Sampai 6 di Desa Holimombo Jaya,” J. Retorika, vol. 9, no. 2, pp. 90–163, 2016.

A. Lidwina, “Papua punya bahasa daerah terbanyak di Indonesia,” 2019. [Online]. Available: https://databoks.katadata.co.id/datapublish/2021/05/14/papua-punya-bahasa-daerah-terbanyak-di-indonesia#.

F. H. Tondo, “Kepunahan Bahasa-Bahasa Daerah: Faktor Penyebab Dan Implikasi Etnolinguistis,” J. Masy. Budaya, vol. 11, no. 2, pp. 277–296, 2009, [Online]. Available: jmb.lipi.go.id › index.php › jmb › article › download%0A.

S. Wilian, “Pemertahanan Bahasa Dan Kestabilan Kedwibahasaan Pada Penutur Bahasa Sasak Di Lombok,” in Linguistik Indonesia, 2010, no. 1, pp. 23–39.

I. Ibrahim, R. Ruslan, M. N. A. Asnur, Y. N. Sabata, and M. S. Kahar, “Faktor Sosial Yang Berpengaruh Terhadap Pergeseran Bahasa Lowa,” KEMBARA J. Sci. Lang. Lit. Teach., vol. 5, no. 2, p. 208, 2019, doi: 10.22219/kembara.vol5.no2.208-218.

S. Rabiah, “Revitalisasi Bahasa Daerah Makassar Melalui Pengembangan Bahan Ajar Bahasa Makassar Sebagai Muatan Lokal,” Din. Ilmu, vol. 13, no. 1, pp. 51–66, 2013.

I. Pujiningrum Palimbunga, “Keterlibatan Masyarakat Dalam Pengembangan Pariwisata Di Desa Wisata Tabalansu, Papua,” J. Master Pariwisata, vol. 05, p. 193, 2018, doi: 10.24843/jumpa.2018.v05.i01.p10.

Dinas Pariwisata Provinsi Papua, Renstra PD Dinas Pariwisata Provinsi Papua Tahun 2019-2023. 2019.

E. Widianto, “Pemertahanan Bahasa Daerah melalui Pembelajaran dan Kegiatan di Sekolah,” J. Kredo, vol. (1) 2, pp. 1–13, 2018.

W. W. I. Utama, “Revitalisasi Bahasa Daerah Untuk Anak Usia Dini Di Tk Pertiwi Puro Pakualaman Yogyakarta,” J. Skripta, vol. 6, no. 1, pp. 20–24, 2020, doi: 10.31316/skripta.v6i1.948.

Y. Cahyono and S. Saprudin, “Analisis Sentiment Tweets Berbahasa Sunda Menggunakan Naive Bayes Classifier dengan Seleksi Feature Chi Squared Statistic,” J. Inform. Univ. Pamulang, vol. 4, no. 3, p. 87, 2019, doi: 10.32493/informatika.v4i3.3186.

F. A. Wenando, R. Hayami, and A. J. Anggrawan, “Analisis Sentimen Pada Pemerintahan Terpilih Pada Pilpres 2019 Ditwitter Menggunakan Algoritme Naïvebayes,” JURTEKSI (Jurnal Teknol. dan Sist. Informasi), vol. 7, no. 1, pp. 101–106, 2020, doi: 10.33330/jurteksi.v7i1.851.

F. A. Wenando, R. Hayami, Bakaruddin, and A. Y. Novermahakim, “Tweet Sentiment Analysis for 2019 Indonesia Presidential Election Results using Various Classification Algorithms,” in Proceeding - 1st International Conference on Information Technology, Advanced Mechanical and Electrical Engineering, ICITAMEE 2020, 2020, pp. 279–282, doi: 10.1109/ICITAMEE50454.2020.9398513.

F. T. Saputra, Y. Nurhadryani, S. H. Wijaya, and D. Defina, “Analisis Sentimen Bahasa Indonesia pada Twitter Menggunakan Struktur Tree Berbasis Leksikon,” J. Teknol. Inf. dan Ilmu Komput., vol. 8, no. 1, p. 135, 2021, doi: 10.25126/jtiik.0814133.

H. B. S. O. Mosioi and E. Mailoa, “Analisa Sentimen Publik Terkait Otonomi Khusus (OTSUS) di Papua dengan Pendekatan Sains Data,” in Prosiding Seminar Nasional Sistem Informasi dan Teknologi (SISFOTEK), 2021, pp. 153–156.

N. A. Lestari et al., “Metode Naïve Bayes Classifier Dengan Textblob Untuk Analisis Sentimen Terhadap Pelayanan Indihome Dan First Media,” Semin. Nas. Teknol. Inf. dan Komun. STI&K, vol. 4, no. 1, 2020, [Online]. Available: https://t.co/Ws2wOyU5kz.

I. G. S. Mas Diyasa, N. M. I. Marini Mandenni, M. I. Fachrurrozi, S. I. Pradika, K. R. Nur Manab, and N. R. Sasmita, “Twitter Sentiment Analysis as an Evaluation and Service Base On Python Textblob,” IOP Conf. Ser. Mater. Sci. Eng., vol. 1125, no. 1, p. 012034, 2021, doi: 10.1088/1757-899x/1125/1/012034.

Sh. Fanissa, M. A. Fauzi, and S. Adinugroho, “Analisis Sentimen Pariwisata di Kota Malang Menggunakan Metode Naive Bayes dan Seleksi Fitur Query Expansion Ranking Optimasi Sisa Bahan Baku Pada Industri Mebel Menggunakan Algoritma Genetika View project Automatic Essay Scoring View project,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 8, pp. 2766–2770, 2018, [Online]. Available: https://www.researchgate.net/publication/322959527.

L. Lisnawita, G. Guntoro, and M. Musfawati, “Implementation of Naïve Bayes for Classification of Learning Types,” Digit. Zo. J. Teknol. Inf. dan Komun., vol. 13, no. 1, pp. 44–54, 2022, doi: 10.31849/digitalzone.v13i1.9825.

T. A. Sundara and S. Ekaputri Arnas, “Naïve Bayes Classifier untuk Analisis Sentimen Isu Radikalisme,” pp. 93–98, 2020.

R. N. Devita, H. W. Herwanto, and A. P. Wibawa, “Perbandingan Kinerja Metode Naive Bayes dan K-Nearest Neighbor untuk Klasifikasi Artikel Berbahasa Indonesia,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 4, p. 427, 2018, doi: 10.25126/jtiik.201854773.

D. Tuhenay and E. Mailoa, “Perbandingan Klasifikasi Bahasa Menggunakan Metode Naïve Bayes Classifier (NBC) Dan Support Vector Machine (SVM),” JIKO (Jurnal Inform. dan Komputer), vol. 4, no. 2, pp. 105–111, 2019, doi: 10.33387/jiko.v4i2.2958.

M. A. Aditya, R. D. Mulyana, I. P. Eka, and S. R. Widianto, “Penggabungan Teknologi Untuk Analisa Data Berbasis Data Science,” Semin. Nas. Teknol. Komput. Sains, vol. 1, no. 1, pp. 51–56, 2020.

V. Dhar, “Data Science Prediction,” Commun. ACM, vol. 56, no. 12, pp. 64–73, 2013, doi: 10.1145/2500499.

Y. Ardilla et al., Data Science. Bandung: Widina Bhakti Persada Bandung, 2022.

N. L. P. M. Putu, Ahmad Zuli Amrullah, and Ismarmiaty, “Analisis Sentimen dan Pemodelan Topik Pariwisata Lombok Menggunakan Algoritma Naive Bayes dan Latent Dirichlet Allocation,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 1, pp. 123–131, 2021, doi: 10.29207/resti.v5i1.2587.

I. Romli and B. M. Putra, “Evaluasi Penilaian Kinerja Dalam Klasifikasi Data Mining Dengan Metode Naive Bayes,” J. Pelita Ind., vol. 1, no. 1, pp. 1–15, 2021.

N. F. Hasan and V. Wati, “Deteksi Cyberbullying pada Facebook Menggunakan Algoritma K-Nearest Neighbor,” J. Smart Syst., vol. 1, no. 1, pp. 35–44, 2021, doi: 10.36728/jss.v1i1.1605.

T. M. Fahrudin, A. R. F. Sari, A. Lisanthoni, and A. A. D. Lestari, “Analisis Speech-To-Text Pada Video Mengandung Kata Kasar Dan Ujaran Kebencian Dalam Ceramah Agama Islam Menggunakan Interpretasi Audiens Dan Visualisasi Word Cloud,” Skanika, vol. 5, no. 2, pp. 190–202, 2022, doi: 10.36080/skanika.v5i2.2942.

D. Berrar, “Bayes’ Theorem and Naive Bayes Classifier,” Encycl. Bioinforma. Comput. Biol., vol. 1, no. 3, pp. 403–412, 2018, doi: 10.1016/B978-0-12-809633-8.20473-1.

A. R. W and A. R. Pratama, “Analisis Sentimen Kebijakan Pendidikan Di Masa Pandemi COVID-19 dengan CrowdTangle di Facebook,” Portal J. Univ. Islam Indones., vol. 2, no. 2, pp. 1–8, 2020, [Online]. Available: https://journal.uii.ac.id/AUTOMATA/article/view/19324.

M. John, E. Marbach, S. Lohmann, F. Heimerl, and T. Ertl, “MultiCloud: Interactive Word Cloud Visualization for Multiple Texts,” in Graphics Interface Conference, 2018, vol. 8-11 May, pp. 25–32, doi: 10.20380/GI2018.04.

R. Yanuarti, “Analisis Media Sosial Twitter Terhadap Topik Vaksinasi Covid-19,” JUSTINDO (Jurnal Sist. dan Teknol. Inf. Indones., vol. 6, no. 2, pp. 121–130, 2021, doi: 10.32528/justindo.v6i2.5503.

R. K. Dangin, F. Febriyanto, and R. P. Sari, “Perbandingan Naïve Bayes dan Support Vector Machine pada Sentimen Analisis Reputasi Brand Twitter DQLab.id,” vol. 21, pp. 99–105, 2022.

M. Ihsan, B. S. Negara, and S. Agustian, “Metode LSTM (Long short term memory) untuk Klasifikasi Sentimen Vaksin Covid-19 pada Twitter,” Digit. Zo. J. Teknol. Inf. dan KomunikasiJurnal Teknol. Inf. dan Komun., vol. 13, no. 1, pp. 79–89, 2022, [Online]. Available: https://doi.org/10.31849/digitalzone.v13i1.9950.

E. Indrayuni, “Klasifikasi Text Mining Review Produk Kosmetik Untuk Teks Bahasa Indonesia Menggunakan Algoritma Naive Bayes,” J. Khatulistiwa Inform., vol. 7, no. 1, pp. 29–36, 2019, doi: 10.31294/jki.v7i1.1.

M. Syarifuddinn, “Analisis Sentimen Opini Publik Mengenai Covid-19 Pada Twitter Menggunakan Metode Naïve Bayes Dan Knn,” INTI Nusa Mandiri, vol. 15, no. 1, pp. 23–28, 2020, doi: 10.33480/inti.v15i1.1347.