Analisis Sentimen Menggunakan Metode Naive Bayes Terhadap Childfree

Amellia Veronica Agustin; Fitria Nur Sa'adah; Yuyun Umaidah

doi:10.35315/dinamik.v29i1.9455

Amellia Veronica Agustin Univeristas singaperbangsa karawang
Fitria Nur Sa'adah Universitas singaperbangsa karawang
Yuyun Umaidah Universitas singaperbangsa karawang

DOI: https://doi.org/10.35315/dinamik.v29i1.9455

Abstract

Childfree terjadi pada individu atau pasangan yang secara sukarela memilih untuk tidak memiliki anak. Fenomena Childfree semakin menarik perhatian masyarakat modern dan mempengaruhi keputusan hidup banyak individu. Data yang digunakan diperoleh dengan melakukan crawling data pada sosial media twitter. Dalam analisis sentimen kali ini menggunakan metode naïve bayes, data akan diflasifikasikan menjadi dua hasil, yaitu sentimen negatif dan positif. Setelah itu, data tersebut akan dinilai menggunakan pengujian dengan confusion matrix untuk mengukur akurasi, recall, dan precision. Hasil pengujian dengan Rapidminer menunjukan tingkat akurasi naive bayes yang tinggi sebesar 96%, untuk sentimen positif menghasilkan nilai precision 84,13%, dan nilai recall 100%. Sedangkan untuk sentimen negatif menunjukkan nilai precision 94,92%, dan recall 100%. Hasil klasifikasi tersebut menghasilkan 254 tweet negatif, dan 74 tweet positif. Analisis sentimen menggunakan metode Naïve Bayes dapat memberikan wawasan yang berharga tentang pandangan dan sentimen masyarakat terhadap Childfree. Hasil penelitian ini penting untuk memahami dan menghargai keragaman pandangan terkait topik ini. Implikasi penelitian ini dapat digunakan untuk pengambilan keputusan yang lebih baik dalam konteks sosial, budaya, dan kebijakan yang berkaitan dengan keputusan Childfree.

References

[1] S. Ajeng Wijayanti and N. Neneng, “Analisis Fenomena Childfree di Indonesia,” Bandung Conference Series: Islamic Family Law, vol. 2, no. 2, pp. 64–70, 2022, doi: 10.29313/bcsifl.v2i2.2684.
[2] H. Tiara, “Konstruksi Masyarakat Tentang Hidup Tanpa Anak Setelah Menikah,” Jurnal Analisa Sosiologi, vol. 11, no. 1, pp. 126–136, 2022, doi: 10.20961/jas.v11i1.56920.
[3] W. Bimananda, R. Insan, D. Karina, N. Rani, S. Theresa, and D. Yosherina, “Analisis Text Mining dari Cuitan Twitter Mengenai Infrastruktur di Indonesia dengan Metode Klasifikasi Naïve Bayes,” Eigen Mathematics Journal, vol. 2, no. 2, pp. 92–101, 2019, doi: 10.29303/emj.v1i2.36.
[4] F. Fridom Mailo et al., “Analisis Sentimen Data Twitter Menggunakan Metode Text Mining Tentang Masalah Obesitas di Indonesia,” 2021.
[5] P. Arsi, B. A. Kusuma, and A. Nurhakim, “Analisis Sentimen Pindah Ibu Kota Berbasis Naive Bayes Classifier,” JURNAL INFORMATIKA UPGRIS, 2021.
[6] D. Garbian Nugroho, Y. Herry Chrisnanto, A. Wahana Jurusan Informatika, and F. Matematika dan Ilmu Pengetahuan Alam Universitas Jenderal Achmad Yani Jalan Terusan Jenderal Sudirman, ANALISIS SENTIMEN PADA JASA OJEK ONLINE MENGGUNAKAN METODE NAÏVE BAYES.
[7] M. Rindu Fajar Islamy, K. Siti Komariah, D. Mayadiana Suwarma, and A. Hafidzani Nur Fitria, “Fenomena Childfree di Era Modern: Studi Fenomenologis Generasi Z serta Pandangan Islam terhadap Childfree di Indonesia,” Sosial Budaya, vol. 19, no. 2, pp. 81–89, 2022, [Online]. Available: http://dx.doi.org/10.24014/sb.v19i2.16602
[8] A. G. DARUSSALAM, “Analisis Sentimen Menggunakan Text Mining Dengan Metode Naïve Bayes Dan Regresi Logistik,” vol. 4, no. 1, pp. 1–23, 2021.
[9] M. M. Mala Olhang, S. Achmadi, and F. X. A. Wibisono, “Analisis Sentimen Pengguna Twitter Terhadap Covid-19 Di Indonesia Menggunakan Metode Naive Bayes Classifier (Nbc),” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 4, no. 2, pp. 214–221, 2020, doi: 10.36040/jati.v4i2.2695.
[10] E. Fitri, “Analisis Sentimen Terhadap Aplikasi Ruangguru Menggunakan Algoritma Naive Bayes, Random Forest Dan Support Vector Machine,” Jurnal Transformatika, vol. 18, no. 1, p. 71, 2020, doi: 10.26623/transformatika.v18i1.2317.
[11] W. Khofifah, D. N. Rahayu, and A. M. Yusuf, “Analisis Sentimen Menggunakan Naive Bayes Untuk Melihat Review Masyarakat Terhadap Tempat Wisata Pantai Di Kabupaten Karawang Pada Ulasan Google Maps,” Jurnal Interkom: Jurnal Publikasi Ilmiah Bidang Teknologi Informasi dan Komunikasi, vol. 16, no. 4, pp. 28–38, 2022, doi: 10.35969/interkom.v16i4.192.
[12] A. Sentimen, “Analisis Sentimen Pengguna Twitter terhadap Perpanjangan PPKM Menggunakan Metode K-Nearest Neighbor”.
[13] N. Ruhyana, “ANALISIS SENTIMEN TERHADAP PENERAPAN SISTEM PLAT NOMOR GANJIL/GENAP PADA TWITTER DENGAN METODE KLASIFIKASI NAIVE BAYES.” [Online]. Available: www.situs.com
[14] I.Hemalatha Dr. G. P Saradhi Varma Dr. A.Govardhan, “Preprocessing the Informal Text for efficient Sentiment Analysis,” 2012, [Online]. Available: www.Ecstasy.com