IMPLEMENTASI ALGORITMA NAIVE BAYES UNTUK KLASIFIKASI SENTIMEN PUBLIK TERHADAP PERUBAHAN BRANDING DAERAH BENGKULU
DOI:
https://doi.org/10.31849/7ntqv668Keywords:
Naïve Bayes, Bengkulu, Branding, Analisis Sentimen, TF-IDFAbstract
Perkembangan media sosial memudahkan masyarakat dalam menyampaikan pendapat terhadap berbagai isu publik, termasuk kebijakan pemerintah daerah. Salah satu kebijakan yang menimbulkan beragam respons publik adalah perubahan branding daerah Bengkulu. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap perubahan branding Bengkulu menggunakan algoritma Naïve Bayes. Data penelitian diperoleh dari komentar pengguna Instagram yang dikumpulkan melalui proses crawling, kemudian diproses melalui tahapan preprocessing yang meliputi cleaning, case folding, tokenizing, stopword removal, slangword normalization, dan stemming. Pembobotan kata dilakukan menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF) untuk mengetahui tingkat kepentingan kata, serta divisualisasikan menggunakan WordCloud. Data kemudian dilabeli secara manual ke dalam dua kategori sentimen, yaitu positif dan negatif, sebelum dilakukan proses klasifikasi menggunakan algoritma Naïve Bayes. Evaluasi kinerja model dilakukan menggunakan confusion matrix untuk memperoleh nilai akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes menghasilkan akurasi sebesar 86%, presisi 88%, recall 86%, dan F1-score 86%. Hasil tersebut menunjukkan bahwa algoritma Naïve Bayes mampu mengklasifikasikan sentimen publik secara efektif terhadap kebijakan perubahan branding daerah Bengkulu dan dapat dijadikan sebagai dasar pertimbangan dalam perumusan strategi komunikasi pemerintah daerah.
References
[1] G. Darmawan, S. Alam, and M. I. Sulistyo, “Analisis Sentimen Berdasarkan Ulasan Pengguna Aplikasi Mypertamina Pada Google Playstore Menggunakan Metode Naïve Bayes,” STORAGE – J. Ilm. Tek. dan Ilmu Komput., vol. 2, no. 3, pp. 100–108, 2023.
[2] F. Teknik, U. M. Bengkulu, and A. Info, “IDENTIFIKASI CYBERBULLYING PADA MEDIA SOSIAL,” vol. 6, no. 2, pp. 738–748, 2025, doi: 10.46576/djtechno.
[3] M. W. A. Putra, Susanti, Erlin, and Herwin, “Analisis Sentimen Dompet Elektronik Pada Twitter Menggunakan Metode Naïve Bayes Classifier,” IT J. Res. Dev., vol. 5, no. 1, pp. 72–86, 2020, doi: 10.25299/itjrd.2020.vol5(1).5159.
[4] P. H. Nehe, S. S. Berutu, and H. Budiati, “Analisis Sentimen Opini Masyarakat Terhadap Presiden Jokowi Sebelum Dan Sesudah Pilpres 2024 Menggunakan Metode Naive Bayes Classification,” Jutisi J. Ilm. Tek. Inform. dan Sist. Inf., vol. 13, no. 1, p. 451, 2024, doi: 10.35889/jutisi.v13i1.1841.
[5] Y. Turnandes, A. Ade Irwanda, and Vebby, “Analisis Sentimen pada Ulasan Kegiatan Seminar Nasional Sistem Informasi dan Teknologi Komputer 2023 menggunakan Natural Language Processing (NLP),” J. Karya Ilm. Multidisiplin, vol. 4, no. 2, pp. 101–109, 2024, doi: 10.31849/jurkim.v4i2.22063.
[6] S. YULIYANTI and S. SHOLIHAH, “Pemodelan Analisis Sentimen Masyarakat terhadap Adaptasi Kebiasaan Baru (AKB) mengunakan Algoritma Naïve Bayes,” MIND J., vol. 6, no. 2, pp. 155–167, 2021, doi: 10.26760/mindjournal.v6i2.155-167.
[7] S. Abdurrohman and A. Wibowo, “Klasifikasi Data Mining Untuk Memprediksi Status Penerimaan Di Perguruan Tinggi Negeri Bagi Lulusan Bimbel NF Dengan Algoritme Naive Bayes,” Semin. Nas. Mhs. Fak. Teknol. Inf., vol. 1, no. 1, pp. 84–92, 2022, [Online]. Available: http://senafti.budiluhur.ac.id/index.php/senafti/article/view/111
[8] T. Wiratama Putra, A. Triayudi, and A. Andrianingsih, “Analisis Sentimen Pembelajaran Daring Menggunakan Metode Naïve Bayes, KNN, dan Decision Tree,” J. JTIK (Jurnal Teknol. Inf. dan Komunikasi), vol. 6, no. 1, pp. 20–26, 2022, doi: 10.35870/jtik.v6i1.368.
[9] H. Hariyadi, D. Firdo, and M. H. Al Rafi, “Implementasi Algoritma Naïve Bayes dan Support Vector Machine pada Analisis Sentimen Ulasan Aplikasi Canva,” J. Minfo Polgan, vol. 13, no. 1, pp. 261–269, 2024, doi: 10.33395/jmp.v13i1.13568.
[10]S. Khoerunnisa, D. F. Shiddieq, and D. Nurhayati, “Penerapan Algoritma Naive Bayes dengan Teknik TF-IDF dan Cross Validation untuk Analisis Sentimen Terhadap Starlink,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 5, no. 2, pp. 566–577, 2025, doi: 10.57152/malcom.v5i2.1852.
[11] D. F. Zhafira, B. Rahayudi, and I. Indriati, “Analisis Sentimen Kebijakan Kampus Merdeka Menggunakan Naive Bayes dan Pembobotan TF-IDF Berdasarkan Komentar pada Youtube,” J. Sist. Informasi, Teknol. Informasi, dan Edukasi Sist. Inf., vol. 2, no. 1, pp. 55–63, 2021, doi: 10.25126/justsi.v2i1.24.
[12] R. Wati, S. Ernawati, and H. Rachmi, “Pembobotan TF-IDF Menggunakan Naïve Bayes pada Sentimen Masyarakat Mengenai Isu Kenaikan BIPIH,” J. Manaj. Inform., vol. 13, no. 1, pp. 84–93, 2023, doi: 10.34010/jamika.v13i1.9424.
[13] Meyti Eka Apriyani, R. R. Rasyed, and Toga Aldila Cinderatama, “Analisis Sentimen Berita Hoax Menggunakan Naive Bayes,” J. Inform. Polinema, vol. 11, no. 1, pp. 1–6, 2024, doi: 10.33795/jip.v11i1.4623.
[14] A. H. Simamora et al., “ANALISIS SENTIMEN PUBLIK TERHADAP REVISI UNDANG-UNDANG TENTARA NASIONAL INDONESIA DI TWITTER MENGGUNAKAN NAIVE BAYES DAN RANDOM FOREST Analysis of Public Sentiment Towards the Revision of the Indonesian National Army Law on Twitter Using Naive Bayes and R,” vol. 5, no. 9, pp. 2706–2718, 2025.
[15] T. Arifqi, N. Suarna, and W. Prihartono, “Penggunaan Naive Bayes Dalam Menganalisis Sentimen Ulasan Aplikasi Mcdonald’S Di Indonesia,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 2, pp. 1949–1956, 2024, doi: 10.36040/jati.v8i2.8740.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 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.
